ارائه یک روش بهینه تخمین توان تولیدی نیروگاه های بادی به کمک الگوریتم ترکیبی MRMI -ARIMA-LSTM

در سال های اخیر استفاده از منابع بادی برای تولید برق افزایش چشمگیری داشته است. پیش بینی کوتاه مدت تولید برق بادی یک موضوع کلیدی برای برنامه ریزی و بهره برداری از تولید سیستم قدرت است. از سوی دیگر، پیش بینی تولید برق بادی بر اساس متناوب بودن و عدم قطعیت منابع تجدیدپذیر بسیار دشوارتر است. بنابراین، در این مقاله، برای پیش بینی تولید برق بادی برای ۲۴ ساعت آینده، یک مدل ترکیبی جدید شامل مدل های Long Short-Term Memory (LSTM) و Autoregressive Integrated Moving Average (ARIMA) برای پیش بینی و استفاده از روش (MRMI) Modified Relief- Mutual Information برای انتخاب ورودی است. با استفاده از مدل ترکیبی پیشنهادی، نتیجه پیش بینی شده برای ۲۴ ساعت آینده، جمع خروجی های وزنی مدل های مجزا است. روش پیشنهادی می تواند دقت پیش بینی بادی روز آینده را به طور قابل توجهی بهبود بخشد زیرا به هر یک از مدل های پیشنهادی اجازه می دهد نقاط ضعف یکدیگر را پوشش دهند و کارایی روش پیش بینی به طور قابل توجهی بهبود می یابد. برای اثبات توانایی و دقت روش پیشنهادی، مطالعه موردی شامل داده های تولید برق بادی سال ۲۰۱۸ در بازار برق PJM استفاده شده است.

ارائه یک روش بهینه تخمین توان تولیدی نیروگاه های بادی به کمک الگوریتم ترکیبی MRMI -ARIMA-LSTM Keywords:

انتخاب ورودی مبتنی بر آنتروپی متقابل , پیش بینی تولید بادی , شبکه LSTM , مدل ARIMA