یک استراتژی هایبرید برای پیش بینی کوتاه مدت سرعت باد توسط ترکیب الگوریتم رقابت استعماری(ICA) با شبکه عصبی پرسپترون چند لایه

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,154

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

WINDCONF02_023

تاریخ نمایه سازی: 4 اسفند 1391

Abstract:

در این مقاله به منظور پیش بینی سرعت باد برای 10 دقیقه اینده از ترکیب شبکه عصبی پرسپترون چند لایه با الگوریتم رقابت استعماری استفاده شده است.هدف استفاده از الگوریتم رقابت استعماری , تنظیم هوشمند وزن های شبکه عصبی پرسپترون به منظور اموزش ان می باشد.فرایند دیگری که در این مقاله گنجانده شده است مبحث انتخاب ورودی می باشد که در این فرایند از میان 16 ورودی به صورت تجربی انتخاب شده , که به صورت سری زمانی می باشند ,4 ورودی با بیشترین تاثیر نسبت به خروجی انتخاب می شوند که این امر به صورت کاملا محسوس باعث افزایش دقت پیش بینی توسط شبکه عصبی ما می شود.این دو عملیات(استفاده از الگوریتم و انتخاب ورودی) باعث بهبود قابل توجهی بر نتایج پیش بینی می شوند.المان هایی که برای نشان دادن درصد خطای پیش بینی نشان داده می شوند یکی مقدار جذر میانگین مربعات خطا و نیز واریانس خطا می باشد.در این مقاله برای قرار گرفتن تمام داده ها در یک محدوده رنج عدی که باعث بهبود و سهولت کار الگوریتم در تعیین وزن های شبکه عصبی می شود از نرمال سازی دادها از نوع خطی استفاده شده است. در این مقاله نیز از داده های مربوط به نیروگاه بادی بینالود در خراسان رضوی در سال 2004 که در بازه زمانی 10 دقیقه ای اندازه گیری شده اند استفاده می شود.داده های استفاده شده شامل سرعت باددر دو ارتفاع 10متر و40 متر و همچنین میزان انحراف استاندارد باد در همین دو ارتفاع ذکر شده می باشند.

Authors

سیدهادی محمدیان

دانشجوی مقطع کارشناسی ارشد برق قدرت دانشگاه علوم و تحقیقات سیرجان

فرشید کی نژاد

رئیس بنیاد ملی نخبگان کرمان وعضو هیات علمی دانشگاه آزاد کرمان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • Short-term wind power forecasting using ridgelet neural n etw orkNimaAmj ...
  • A Review of Wind Power and Wind Speed Forecasting Methods ...
  • A new strategy for wind speed forecasting using artificial intelligent ...
  • Hybrid Neuro-Fuzzy Evolutionary Approach for Short-Term Wind Power Forecasting G.J. ...
  • Analysis of wind climate and wind energy potential of regions ...
  • A report prepared by World Wind Energy Association, World Wind ...
  • S. Fan, J.R. Liao, R. Yokoyama, L. Chen, W.-J. Lee, ...
  • wind power production, IEEE Power Engineering Society General Meeting (June2007) ...
  • the young history of the wind power short-term prediction, Renew. ...
  • نمایش کامل مراجع