اکبر هوشیار - دانشجوی کارشناسی ارشد، گروه برق- دانشگاه آزاد اسلامی واحد خمینی شهر -خمینی شهر-ایران
مجید نیری پور - معاون آموزشی دانشگاه صنعتی شیراز- شیراز- ایران
میلاد دولتشهاهی - عضو هئیت علمی دانشگاه خمینی شهر- دانشکده فنی مهندسی- گروه برق- خمینی شهر- ایران

در این مقاله مقایسه ای بین پیش بینی کوتاه مدت توان خروجی ،سرعت باد، توربین بادی متصل به شبکه قدرت توسط شبکه عصبی مصنوعی(ANNs)ازنوع چند لایه(MLP)وترکیب الگوریتم بهینه سازی ازدحام ذراتPSOبا شبکه عصبی مصنوعی برای یادگیری وزن های شبکه عصبی مصنوعی چند لایه استفاده شده وبا توجه به اینکه توان خروجی توربین برابر مکعب توان سرعت باد میباشد ،بنابراین پیش بینی سرعت باد تاثیر به سزایی درتعیین توان خروجی توربین بادی دارد.مزیت استفاده از الگوریتم بهینه سازی ازدحام ذراتPSOنسبت به شبکه عصبی مصنوعی ANNsاین است که حرکت به سمت انتخاب بهترین مقادیر وزن های شبکه عصبی را شتاب می دهد بنابراین یادگیری وزن های شبکه عصبی به گونه ای است که کمترین خطای ممکنه را در خروجی داشته با شیم.

الگورتم بهینه سازی ازدحام ذرات ، پیش بینی کوتاه مدت توان خروجی توربین بادی ، پیش بینی کوتاه مدت سرعت باد ، شبکه عصبی مصنوعی