مدل کردن منحنی توان توربین بادی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 841

فایل این مقاله در 7 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICELE01_314

تاریخ نمایه سازی: 21 شهریور 1395

چکیده مقاله:

از جمله موارد مهم و ضروری خرید، نصب توربین های بادی،نگه داری و بهره برداری نیروگاه های بادی کنترل پارامتر های مختلف به ویژه راندمان باید به منحنی توان توربین توجه داشت. این منحنی در شرایط عادی در دسترس تولید کنندگان ساخت توربین قرار می گیرد تا به طور موثر هرگونه ناهنجاری را بتوانند با نظارت شناسایی کنند. همچنین مدل دقیق یک منحنی توان می تواند به عنوان ابزاری قدرتمند جهت پیش بینی بسیار عمل کند. در این مقاله به پیاده سازی الگوریتم های بهینه سازی ازدحام ذرات (PSO) و تکامل تفاضلی (DE) جهت مدل سازی منحنی توان توربین بادی، براساس داده های واقعی مزرعه بادی Sotavento و توزیع نرمال به کار رفته است. همچنین جهت دستیابی به مدل دقیق منحنی توان توربین بادی، به مقایسه خطای داده های چهار پارامتری، ریشه میانگین مربعات خطا (RMSE) و میانگین خطای مطلق (MAE) پرداخته شده است.

کلیدواژه ها:

منحنی توان ، الگوریتم بهینه سازی ازدحام ذرات (PSO) ، تکامل تفاضلی (DE) ، توربین بادی ، ریشه میانگین مربعات خطا ، و میانگین خطای مطلق

نویسندگان

یاسمین امرالهی زرندی

دانشجو کارشناسی ارشد،گروه قدرت، دانشکده فنی مهندسی،دانشگاه آزاد اسلامی

فرشید کینیا

استاد یار گروه مدیریت و بهینه سازی انرژی ،پژوهشکده انرژی،پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته،کرمان

مهرداد نادری

بخش آمار، دانشکده ریاضی و کامپیوتر، دانشگاه شهید باهنر کرمان

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 :
  • Quan Y, Wang S, Gu M, Kuang J. Field measuremet ...
  • Wu J, Wang J, Chi D. Wind _ potential assessment ...
  • Lydia M, Kumar SS, Kumar G. Advanced algorithms for wind ...
  • Chen X, Jin S, Qin S, Li L. Short-Term Wind ...
  • Zhang W, Su Z, Zhang H, Zhao Y, Zhao Z. ...
  • Sotavento Experimental Wind Farm, http ://www. S otavento galicia.com/en ...
  • Wang J, Zhou Q, Jiang H, Hou R. Short-term wind ...
  • نمایش کامل مراجع