مرتضی خلجی اسدی - دانشیار گروه مهندسی انرژی دانشکده محیط زیست و انرژی دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
یونس نوراللهی - استادیار گروه مهندسی انرژیهای نو و محیط زیست دانشکده علوم و فنون نوین دانشگاه تهران
شروین صفائی - دانشکده محیط زیست و انرژی دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

یکی از مهمترین دغدغه های جوامع امروزی یافتن منابع جدید انرژی می باشد. با افزایش میزان مصرف انرژی، نگاهمحققان و پژوهشگران و جوامع بشری به استفاده از منابع انرژی تجدید پذیر افزایشیافته است. یکی از این منابع، انرژیباد میباشد. امروزه روشهای پیشبینی و مدلسازی برای این پدیده جوی در حال گسترش است. یکی از روشهای پیش-بینی سرعت باد استفاده از قابلیت شبکه عصبی است که از مؤلفه های هوش مصنوعی محسوب میشود. شبکه های عصبیبا استفاده از دادهها و اطلاعات از پیش مشاهده شدهای از عملکرد یک سیستم یا رخداد یک پدیده رفتار مورد نظر را می-آموزند و قدرت شبیهسازی و پیشبینی مدل یک سیستم را دارا میباشند. در این مقاله با استفاده از اطلاعات هواشناسیایستگاه سینوپتیک هواشناسی مهرآباد تهران که به عنوان ورودی به شبکه عصبی وارد میشود سرعت باد در بازه هایزمانی مختلف پیشبینی شده تا توان تولیدی ناشی از آن برای بررسی و نصب نیروگاه بادی مورد استفاده قرار گیرد. دراین مقاله ابتدا به بررسی دادهها به وسیله ضرایب همبستگی و مشخص شدن میزان وابستگی سرعت باد به هر دادهورودی و همچنین نحوه ورود دادهها به نرم افزار مطلب برای پیشبینی سرعت باد با استفاده از توابع آموزشی مختلفشبکه عصبی پرداخته شده است. همچنین از معیارهای آماری از جمله درصد میانگین قدر مطلق خطا برای مشاهده میزانخطای بدست آمده برای آموزش شبکه عصبی استفاده شده که نتایج بدست آمده از آن نشان میدهد که با توجه به پیش-بینی صورت گرفته میزان خطا در حدود 5 تا 9 درصد بوده است که این میزان خطا میتواند در بازه قابل قبول قرار گیرد.

مدل کردن، آنالیز همبستگی، پیش بینی سرعت باد، شبکه عصبی، نیروگاه بادی