پیش بینی کوتاه مدت توان بادی با استفاده اس شبکه عصبی مبتنی بز موجک

تولید توان بادی تا حد زیادی وابسته به متغیرهای اتمسفری بوده که خود وابسته به ساعت موردنظر در طول روز، ماه و فصل می باشد. متناوب بودن باد مانع پیش بینی دقیق آن می شود که برای بهره برداری ایمن و قابلیت اطمینان شبکه قدرت مهم است یک راه برای رسیدگی به این مسئله در نظر گرفتن همه این متغیرهای اتمسفری است که می توان آنها را از مدل های پیش بینی عددی آب و هوا NWP بدست آورد. بااین وجود، استفاده از پارامترهای NWP، پیچیدگی مدل پیش بینی را افزایش داده و نیازمند حجم بالایی از داده های تاریخی است. علاوه بر این مدل های مختلفی برای فصل ها یا ماه های مختلف مورد نیاز هستند. در این مقاله یک مدل پیش بینی شبکه عصبی مبتنی بر موجک NWPمعرفی شده که برای پیش بینی کوتاه مدت تولید توان بادی با دقت مناسب به اندازه کافی قوی است. و می توان این مدل را در همه فصل های سال مورد استفاده قرار داد. با کاهش پیچیدگی در این مدل، داده های تاریخی کمتری در مقایسه با مدل های موجود در مقالات مورد نیاز است.

Keywords:

پیش بینی توان بادی , تبدیل موجک گسسته , شبکه عصبی