نام پژوهشگر: سید محمود هاشمی نژاد

طراحی و تحلیل سازه دکل کامپوزیت توربین بادی
thesis وزارت علوم، تحقیقات و فناوری - پژوهشگاه مواد و انرژی - پژوهشکده انرژی 1390
  وحید پایانی   مجید جمیل

همگام با روند پیشرفت در توربین های بادی، نیاز می باشد که دکل های نگهدارنده آنها نیز مستحکم-تر و بهینه گردند و این خود به بزرگتر شدن قطر و ابعاد دکل می انجامد. به علت انداره و وزنشان، حمل ونقل و نصب آنها به تجهیزات سنگینی نیاز دارد که ممکن است استفاده از چنین دکل هایی را برای مناطق دورافتاده دچار مشکل سازد. به منظور رفع این مشکل و به جهت دور نماندن از فناوری روز دنیا لازم می باشد که پژوهش های ما نیز در جهت تحقیقات علمی در حال انجام در کشورهای توسعه یافته باشد لذا در این پایان نامه به طراحی و تحلیل مدل دکل کامپوزیت توربین بادی و مقایسه آن با یک دکل فولادی پیش طراحی شده توسط یک شرکت معتبر تجاری، پرداخته شده است. این پروژه در چند مرحله انجام شده است بدین ترتیب که در ابتدا برای آنکه مقایسه ای بین نتایج مدل المان محدود و نتایج تجربی شده باشد، یک نمونه مدل که قبلاً بر روی آن کار آزمایشگاهی شده بود، مورد تحلیل المان محدود قرار گرفت و سپس با توجه به استانداردهای موجود، مدل دکلی کامپوزیتی برای توربین بادی 2/4 کیلوواتی طراحی و تحلیل شد که تقریباً 48% وزن سازه را نسبت به دکل فولادی کاهش داد.

پیش بینی سرعت باد به منظور برآورد توان تولیدی نیروگاه بادی بینالود
thesis وزارت علوم، تحقیقات و فناوری - پژوهشگاه مواد و انرژی - پژوهشکده انرژی و محیط زیست 1390
  اکبر عابدی   مجید جمیل

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 فازی و شبکه عصبی است. با استفاده از دو روش مذکور، سرعت باد نیروگاه بادی بینالود پیش بینی شده و نتایج پیش بینی با روش های ارزیابی معمول بررسی شده است. برای این کار، ابتدا همبستگی سرعت باد در هر لحظه را با سرعت های باد در زمان های قبل از آن را محاسبه شده است، مقدار آستانه همبستگی قابل قبول 6/0 در نظر گرفته شده و با در نظر گرفتن معیار فوق از داده های سرعت باد 8 پله جلوتر به عنوان ورودی های سیستم استفاده شده است. سایر ورودی ها شامل جهت باد، دما و رطوبت نسبی می باشد. برای آموزش سریع شبکه عصبی و جلوگیری از امکان واگرا شدن و آموزش نادرست شبکه عصبی، داده ها را پیش پردازش نموده و سپس مورد استفاده قرار می دهیم. برای ارزیابی نتایج پیش بینی سرعت باد از دو معیار میانگین خطای مطلق و میانگین مربعات خطا استفاده شده است. با استفاده از نتایج پیش بینی سرعت باد و منحنی توان توربین بادی، توان تولیدی نیروگاه بادی قابل پیش بینی است. محدودیت وجود اطلاعات ثبت شده از توان برای این نیروگاه در حد ماهانه مانعی بر سر راه ارزیابی صحت و دقت پیش بینی می باشد، اما نتایج حاصل از پیش بینی سرعت باد حاکی از دقت مناسب این پیش بینی می باشد.