مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

921
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

726
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی توان تولیدی واحدهای بادی با استفاده از یک موتور پیش بینی ترکیبی بر مبنای آنالیز اطلاعات متقابل و شبکه عصبی GMDH

صفحات

 صفحه شروع 1 | صفحه پایان 14

چکیده

 تخمین مناسب میزان تولید پرنوسان واحدهای بادی برای استفاده بهینه در سیستم های قدرت, امری دشوار و تابع پیچیدگی های بسیار است. در این مقاله روشی موفق برای پیش بینی توان تولیدی واحدهای بادی با استفاده از شبکه عصبی خودسازمانده موسوم به GMDH ارائه شده است. در شبکه عصبی GMDH, متغیرهایی که بر سری زمانی تاثیر می گذارند, به عنوان ورودی شبکه استفاده می شوند. این شبکه با بررسی و کشف روابط بین ورودی ها, به طور هوشمند مدل بهینه ای را ارائه و متغیر خروجی را پیش بینی می کند. الگوسازی های به کاررفته در این مطالعه مبتنی بر دو روش هوش مصنوعی و نظریه اطلاعات است. در ابتدا متغیرهای موثر بر اساس اطلاعات متقابل (MI) و با الگوریتم ترکیبی انبوه ذرات و ژنتیک, انتخاب و سپس در موتور پیش بینی به کار گرفته می شوند. برخلاف روش همبستگی متقابل, در رویکرد مبتنی بر آنتروپی متقابل استفاده شده در این مقاله, روابط غیرخطی میان متغیرها در نظر گرفته می شوند و انتخاب متغیرهای موثر در پیش بینی انرژی بادی که در آن, نوسانات و روند غیرخطی شدیدی مشاهده می شود, با دقت و اعتبار بیشتری انتخاب می شود. برای ارزیابی توانایی, سرعت و دقت چارچوب پیشنهادی, از داده های واقعی مزرعه بادی سوتاونتو کشور اسپانیا استفاده شده است. نتایج مطالعه نشان می دهند تکنیک پیشنهادی سرعت و دقت بیشتری در مقایسه با سایر روش ها دارد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    وحیدی نسب، وحید، و سهرابی وفا، حسین. (1397). پیش بینی توان تولیدی واحدهای بادی با استفاده از یک موتور پیش بینی ترکیبی بر مبنای آنالیز اطلاعات متقابل و شبکه عصبی GMDH. هوش محاسباتی در مهندسی برق (سیستم های هوشمند در مهندسی برق)، 9(2 )، 1-14. SID. https://sid.ir/paper/203004/fa

    Vancouver: کپی

    وحیدی نسب وحید، سهرابی وفا حسین. پیش بینی توان تولیدی واحدهای بادی با استفاده از یک موتور پیش بینی ترکیبی بر مبنای آنالیز اطلاعات متقابل و شبکه عصبی GMDH. هوش محاسباتی در مهندسی برق (سیستم های هوشمند در مهندسی برق)[Internet]. 1397؛9(2 ):1-14. Available from: https://sid.ir/paper/203004/fa

    IEEE: کپی

    وحید وحیدی نسب، و حسین سهرابی وفا، “پیش بینی توان تولیدی واحدهای بادی با استفاده از یک موتور پیش بینی ترکیبی بر مبنای آنالیز اطلاعات متقابل و شبکه عصبی GMDH،” هوش محاسباتی در مهندسی برق (سیستم های هوشمند در مهندسی برق)، vol. 9، no. 2 ، pp. 1–14، 1397، [Online]. Available: https://sid.ir/paper/203004/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button