زهره کریمی - دانشگاه دامغان
مهدی فرزین فر - دانشگاه دامغان

نیروگاه سیکل ترکیبی در مقایسه با سایر نیروگاه های توان کارایی قابل ملاحظه ای دارند. پیش بینی کل توان الکتریکی با استفاده از روش های یادگیری ماشین در مقایسه با اندازه گیری آنها با روش های سنتی نیاز به پارامترهای کمتری داشته و با هزینه ی اندکی قابل انجام است. شبکه ی عصبی پرسپترون چند لایه و رگرسیون خطی از جمله روش هایی هستند که بدین منظور بکار رفته اند. تخمین دقیق توان نیاز به بکارگیری مدل های دقیق تر و کاراتر از روش های بکاررفته دارد. در این مقاله شبکه ی استنتاج عصبی-فازی تطبیقی که ترکیبی از سیستم استنتاج فازی و شبکه های عصبی مصنوعی است، برای تخمین خروجی توان سیکل نیروگاه ترکیبی ارائه می شود. این مدل، روی یک مجموعه داده ی معیار نیروگاه سیکل ترکیبی با بهره گیری از اعتبارسنجی متقاطع ۱۰ -بخشی اعمال شده است. ارزیابی جامعی از مدل پیشنهادی بر اساس ملاک های ضریب همبستگی، میانگین قدرمطلق خطا، خطای مطلق نسبی، ریشه ی خطای مربع نسبی و خطای جذر میانگین مربعات انجام شده و نتایج بدستآمده حاکی از بهبود کارایی در تمام این ملاک ها در مقایسه با روشهای مشابه دارد. اعتبار نتایج مدل پیشنهادی با روش تحلیل بلند-آلتمن تایید شده است

پیشگویی توان، شبکه استنتاج عصبی-فازی تطبیقی، نیروگاه سیکل ترکیبی