پیش بینی توان تولیدی نیروگاه های بادی با استفاده از یک روش پیش بینی جدید
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه سمنان - دانشکده برق و کامپیوتر
- author امیرحسین حجازی
- adviser نیما امجدی
- publication year 1393
abstract
چکیده_ با افزایش توان تولیدی نیروگاه های بادی و تزریق آن به سیستم های قدرت، در دست داشتن روشی دقیق برای پیش بینی توان تولیدی امری بسیار مهم برای بهره برداری مناسب از این نیروگاه ها وسیستم قدرت شده است. به این منظور، در این پایان نامه به ارائه روشی جدید برای پیش بینی توان تولیدی واحدهای بادی با افق کوتاه مدت می پردازیم. روش پیشنهادی از شبکه عصبی بر مبنای esn با روش آموزش نوین به نام محاسبات انباره ای (reservoir computing) ساخته شده است. برای تنظیم پارامترهای esn از الگوریتم بهینه سازی تکاملی انفجار بزرگ-فشرده سازی بزرگ استفاده می شود. به منظور ارزیابی روش پیش بینی ارائه شده، از اطلاعات واقعی ثبت شده در مزرعه بادی در کشور اسپانیا و همچنین کل توان تولیدی سیستم قدرت ایرلند استفاده شده است. همچنین برای نشان دادن کارآیی این روش، مقایسه ای با روش های موجود دیگر در پیش بینی صورت گرفته است که نتایج گرفته شده، نشان دهنده دقت بالای روش پیشنهادی در فرآیند پیش بینی است.
similar resources
پیش بینی توان تولیدی نیروگاه های بادی با استفاده از یک روش پیش بینی جدید
با افزایش توان تولیدی نیروگاه های بادی و تزریق آن به سیستم های قدرت، در دست داشتن روشی دقیق برای پیش بینی توان تولیدی امری بسیار مهم برای بهره برداری مناسب از این نیروگاه های و سیستم قدرت شده است. بدین منظور، در این پایان نامه، به ارائه روشی جدید برای پیش بینی توان تولیدی واحدهای بادی می پردازیم. روش پیشنهادی از یک شبکه عصبی بر اساس ویولت یا wnn ساخته شده است توسط روشی دوسطحی و نوین آموزش می بی...
15 صفحه اولکالیبره کردن مدل های پیش بینی تصادفات با استفاده از یک روش ابتکاری
در فرایند مدل سازی آماری تصادفات، برآورد دقیق ضرایب ثابت مدل (کالیبره کردن) از اهمیت زیادی برخورد است. زیرا، این ضرایب میزان و چگونگی ارتباط متغیرهای مستقل با متغیر وابسته را بیان کرده و بهمین جهت تخمین نادرست آنها می تواند به ارایه نتایج غیرواقعی توسط مدل منجرگردد. برای تعیین ضرایب ثابت مدل های پیش بینی تصادفات، معمولاً از فرایندی موسوم به حداکثر کردن تابع درستنمایی استفاده می شود که در آن رو...
full textپیش بینی قیمت نفت با استفاده از روش متا آنالیز
نفت یک کالای مهم اقتصادی و قیمت آن در بازارهای بینالمللی بسیار اثرگذار و توانایی ارائه پیشبینی صحیح از وضعیت قیمت آن یکی از چالشهای مهم علمی در سراسر جهان است. این مقاله به پیشبینی قیمت نفت با استفاده از روش متا آنالیز و مقایسه آن با سایر روشها میپردازد. در این تحقیق از نتایج روشهای ARMA،AR فازی، تاناکا فازی، حداقل مربعات فازی، شبکه عصبی، دادههای شبیهسازی شده و دادهکاوی مربوط به قیمت...
full textپیش بینی بازده سهام با استفاده از روش انقباضی LASSO
انتخاب متغیر، یکی از مراحل مهم در مدلسازی آماری است. برای این منظور، معمولاً از روشهایی نظیر حذف پسرو استفاده میشود. از آنجایی که در این روشها دو مرحله ی برآورد مدل و انتخاب متغیر به طور جداگانه صورت میگیرد، نتیجهی حاصل بیثبات خواهد بود. به همین دلیل اخیراً گروه دیگری از روشهای انتخاب متغیر به نام روشهای انقباضی مطرح شدهاند که در این بین، LASSO از محبوبیت ویژهای برخوردار است. در این تح...
full textپیش بینی سرعت باد به منظور برآورد توان تولیدی نیروگاه بادی بینالود
با توجه به خاصیت تناوبی و نامنظم سرعت باد و توان تولیدی نیروگاه بادی، یکی از مهم ترین چالش های پیش روی متولیان هر نیروگاه بادی، پیش بینی دقیق و مناسب سرعت باد و توان تولیدی نیروگاه بادی می باشد. در تحقیق حاضر از دو ساختار مختلف هوش مصنوعی استفاده شده است. ساختار اول یکی از رایج ترین شبکه های یادگیری یعنی شبکه عصبی پرسپترون پس انتشار خطا است و ساختار دوم شبکه anfis می باشد که ترکیبی از مدل فاز...
15 صفحه اولارائه مدل ریاضی بر پایه پیش بینی انتشار آلاینده های زیست محیطی در یک نیروگاه نمونه
محصولات ناشی از احتراق سوختهای هیدروکربنی شامل ترکیبات NO، PM، NO2، SO2، O2، H2O، CO، N2 و ... هستند که در میان آن ها ترکیبات NO، CO، CO2، PM، NO2، SO2 به عنوان آلاینده محیط زیست شناخته می شود. این آلاینده ها عامل اصلی آلودگی شهرهای صنعتی و بزرگ هستند. نیروگاه های حرارتی نیز به عنوان یکی از مصرف کنندگان عمده سوخت نقشی عمده در ایجاد این آلودگی دارند. در این مقاله با استفاده از ترمودینامیک احتراق...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه سمنان - دانشکده برق و کامپیوتر
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023