ارائه رویکردی مبتنی بر شبکه های عصبی - فازی خطی - محلی و تحلیل مجموعه مقادیر ویژه برای پیش بینی کوتاه مدت توان باد

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 718

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CEIT01_319

تاریخ نمایه سازی: 9 تیر 1393

چکیده مقاله:

در این مقاله با استفاده از شبکه های عصبی - فازی خطی- محلی و تحلیل مجموعه مقادیر ویژه ، رویکردی نوین برای پیش بینی کوتاه مدت توان باد در مزارع بادی ارایه می گردد. در اختیار داشتن تخمینی قابل اتکا از توان تولیدی مزارع بادی در کوتاه مدت از اهمیت بالایی برای بهره برداران سیستم قدرت به منظور تخصیص بهینه واحدهای تولیدی برخوردار است. در رویکرد ارایه شده در این مقاله درمرحله اول تحلیل مجموعه مقادیر ویژه برای پیش پردزاش و حذف مولفه های پیش بینی ناپذیر(مانند نویز) سری زمانی توان باد بکار گرفته می شود. سپس در مرحله بعد، سری زمانی بازسازی شده توسط یک شبکه عصبی - فازی متشکل از زیر مدل های خطی - محلی مدل سازی وپیش بینی می شود. پیاده سازی رویکرد پیشنهادی بر روی داده های مربوط به مزرعه بادی سوتاونتو در اسپانیا حاکی از عملکرد قابل قبول شبکه عصبی - فازی خطی - محلی به همراه تحلیل مجموعه مقادیر ویژی برای پیش بینی کوتاه مدت توان باد است .

کلیدواژه ها:

تحلیل مجموعه مقادیر ویژه ، شبکه عصبی ، فازی خطی ، محلی ، توان باد ، پیش بینی

نویسندگان

الهه فقیه نیا

دانشگاه آزاد اسلامی واحد بابل ، گروه کامپیوتر

سهیل فاطری

دانشگاه آزاد اسلامی واحد مشهد، گروه برق

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 :
  • روشی جدید جهت پیشبینی سرعت باد در نیروگاههای بادی [مقاله کنفرانسی]
  • International Outlook, 2010, ...
  • Kusiak, A., Zheng, H., and Song, Z., "Models for monitoring ...
  • Catalao, J., Pousinho, H., and Mendes, V, "Hybrid intelligent approach ...
  • Kavasseri, R.G., Seetharaman, K.: "Day-ahead wind speed forecasting using f-ARIMA ...
  • P. Flores, A. Tapia, and G. Tapia, "Application o f ...
  • Damousis, I., Alexiadis, _ Theocharis, J., and Dokopoulos, P., "A ...
  • Potter, C.W., Negnevitsky, W.: "Very short-term wind forecasting for Tasmanian ...
  • Miranian, A., Abdollahzade, M., and Hassani, H. "Day- ahead electricity ...
  • O. Nelles, Nonlinear System Identification: From Classical Approaches to Neural ...
  • Breiman, L. Friedman, R. Olshen, and C. Stone, Classification and ...
  • نمایش کامل مراجع