CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

استفاده از شبکه های عصبی مصنوعی برای پیش بینی کوتاه مدت سرعت باد در نیروگاه های بادی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۵ | تعداد نمایش خلاصه: ۳۴۱ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: NCEEE01_036
زبان مقاله: فارسی
حجم فایل: ۴۶۴.۰۱ کلیوبایت (فایل این مقاله در ۵ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۵ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله استفاده از شبکه های عصبی مصنوعی برای پیش بینی کوتاه مدت سرعت باد در نیروگاه های بادی

  نوید گرامی پور - دانشگاه آزاد اسلامی واحد علوم و تحقیقات گیلان
  سوگند حیدری - دانشگاه آزاد اسلامی واحد علوم و تحقیقات گیلان
  صادق ربیعی لاکمه سری - دانشگاه آزاد اسلامی واحد علوم و تحقیقات گیلان

چکیده مقاله:

امروزه استفاده از انرژی های تجدیدپذیر جهت تولید انرژی الکتریکی افزایش یافته است. انرژی باد یکی از انرژی های تجدیدپذیر است که در جوامع صنعتی توجه ویژه ای را به خود مبذول داشته است. پیش بینی صحیح سرعت باد برای کنترل عکس العمل های مناسب در توربین های بادی به منظور جلوگیری از شوک های ناگهانی و بهره گیری بیشینه از ظرفیت توربین های بادی، امری است که باعث شده تا توجه به الگوریتم های پیش بینی سرعت باد از اهمیت زیادی برخوردار شوند. در این مقاله پیش بینی شبکه های عصبی مصنوعی برای پیش بینی کوتاه مدت سرعت باد استفاده شده است. برای بررسی دقت پیش بینی انجام شده از چهار معیار خطای بیشینه ی خطای پیش بینی، درصد بیشینه ی خطای پیش بینی، میانگین درصد خطای مطلق و میانگین مربعات خطا استفاده شده است. شبکه ی عصبی آموزش یافته در این مقاله دارای 2 لایه با تعداد نورون های 5 و یک می باشد. لازم به ذکر است که نتایج بر اساس داده های واقعی سرعت باد یک منطقه از کوئینزلند در استرالیا بررسی شده است.

کلیدواژه‌ها:

پیش بینی سرعت باد، نیروگاه بادی، پیش بینی کوتاه مدت، پیش بینی شبکه های عصبی مصنوعی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
http://www.civilica.com/Paper-NCEEE01-NCEEE01_036.html
کد COI مقاله: NCEEE01_036

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
گرامی پور, نوید؛ سوگند حیدری و صادق ربیعی لاکمه سری، ۱۳۹۳، استفاده از شبکه های عصبی مصنوعی برای پیش بینی کوتاه مدت سرعت باد در نیروگاه های بادی، کنفرانس سراسری الکترونیکی محیط زیست و انرژی ایران، صفاشهر، موسسه بین المللی آموزشی و پژوهشی خوارزمی، http://www.civilica.com/Paper-NCEEE01-NCEEE01_036.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (گرامی پور, نوید؛ سوگند حیدری و صادق ربیعی لاکمه سری، ۱۳۹۳)
برای بار دوم به بعد: (گرامی پور؛ حیدری و ربیعی لاکمه سری، ۱۳۹۳)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • استفاده از رویکرد ترکیبی زنجیره مارکوف و الگوریتم هیبریدی GA-SA‌به منظور پیش بینی کوتاه مدت سرعت باد برای توربین های بادی [مقاله کنفرانسی]
  • ارائه روشپیشبینی بهینه خطی با استفاده از الگوریتمPSO جهت تعیین سرعت باد در نیروگاه های بادی [مقاله کنفرانسی]
  • Cao Lei ; Li Ran, _ Short-term wind speed forecasting ...
  • Wen-Yu Zhang ; Zhao, Zeng-Bao ; Ting-Ting Han ; Ling-Bin ...
  • Tong, Ji-Long ; Zhao, Zeng-Bao ; Wen-Yu Zhang. _ Strategy ...
  • Transform.", IEEE International Conference, pp. 1-4, 2012. ...
  • Li Ling-ling ; Jun-Hao Li : Peng-Ju He ; Cheng- ...
  • Tarade, R.S. : Katti, P.K. _ comparative analysis for wind ...
  • موسسه بین المللی آموزشی و پژوهشی خوارزمی- ۰ ۲ مرداد ...
  • Hui Zhou ; Jiangxiao Fang ; Mei Huang, "Numerical analysis ...
  • Li Xingpei ; Liu Yibing ; Xin Weidong _ speed ...
  • The Australian Institute of Marine Science (AIMS) website, http:// http ...
  • Artificial Neural Networks, MIT Press, 2003. ...
  • MATLAB Neural Network Toolbox User's Guide, The Math Works, 1998. ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۴۶۲۴
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.