پیش بینی سرعت باد در مناطق مستعد نصب توربین بادی با استفاده از مدل زمانی SARIMA

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 988

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICS11_094

تاریخ نمایه سازی: 14 مهر 1392

چکیده مقاله:

تبیین فرایندهای هیدرولوژیکی به صورت سری های زمانی به علت عدم پیروی این فرایندها از قوانین مشخص و معین به طوری که هدف، تجزیه و تحلیل اطلاعات گذشته سری تعمیم الگوی براوردی یا مدل پیشنهادی در آینده می باشد. در تمام مراحل مدل سازی هدف ایجاد مدل هایی با فرم ساده، حداقل تعداد پارامترها و رسایی مدل از لحاظ توان نمایش مورد نظر است. یکی از این فرایندها تغییرات سرعت باد است. پیش بینی پارامترهای باد، برای استفاده بهینه از سیستم های تبدیل انرژی بادی ضروری است. در این مقاله، با استفاده از ودل های سری زمانی، مدل جدیدی برای پیش بینی سرعت باد ارائه شده است. در بین مدل های معمول سری های زمانی هیدرولوژیکی، استفاده از مدل خود همبسته تجمعی میانگین متحرک (ARIMA) در پیش بینی سرعت باد دارای سابقه طولانی می باشد. در سری های زمانی سرعت باد، فاصله زمانی پایه، یک ماه و دوره تناوب 12 ماه است. در این تحقیق، با توجه به وجود اثرات فصلی، از مدلی فصلی خود هم بسته تجمعی میانگین متحرک (ساریما) SARIMA استفاده شده است

نویسندگان

سید محمد بلاغی

بخش مهندسی کنترل و ابزار دقیق، دانشکده آموزشهای الکترونیکی، دانشگاه شیراز

مهران یزدی

بخش مخابرات و الکترونیک، دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز

ابراهیم فرجاه

بخش قدرت و کنترل، دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • مهدی‌ی‌ه‌ی , ‌ی‌قوی‌بینس‌افی پ‌ارالم‌ری‌ای مداری‌این‌آل‌وگ ب‌راس‌اس‌الگوپتم شی‌ک‌چن‌د یفد‌و SGA-IIه‌ن‌یبو آش‌وب ...
  • Multiobjective Evolutionary Algorithms: A Comparative Study and the Strength pareto ...
  • Approximating the non-dominated front using the Pareto archived evolution strategy. ...
  • _ _ _ _ s.l. : Springer, 2000, Vol. 1917. ...
  • _ _ TRAN SACTIONS ON MAGNETICS , June 2008, Vols. ...
  • Evolutionary Algorithms for Multiobjective Optimization: methods and aplications. Zitzler, E. ...
  • Multiobjective optimization using non dominated sorting in genetic algorithms. Sirinivas, ...
  • A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-II. Deb, Kalyanmoy, ...
  • _ _ mathworks. ...
  • A fast and elitist multiobjective genetic algorithm :NSGA-II. Deb, ...
  • نمایش کامل مراجع