سال انتشار: ۱۳۹۰

محل انتشار: بیست و ششمین کنفرانس بین المللی برق

تعداد صفحات: ۱۰

نویسنده(ها):

سید حسین ایرانمنش – گروه مهندسی صنایع دانشکده فنی دانشگاه تهران -موسسه مطالعات بی نالمل
آرش میرانیان – دانشکده مهندسی برق و کامپیوتر دانشگاه تهران – موسسه مطالعات بینالمل
مجید عبداله زاده – دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی – موسسه م

چکیده:

پیش بینی توان باد و آگاهی از مقدار آن در آینده از اهمیت بالایی برای بهره برداران سیستم قدرت، به منظور تخصیص بهینه واحد های تولیدی و نیز مالکان نیروگا ه های بادی برخوردار است. در این مقاله رویکردی مبتنی بر ترکیب پیش- پردازش تبدیل موجک و مدل عصبی – فازی خطی محلی برای پیش بینی کوتاه مدت توان باد ارائه می شود . تبدیل موجک دارای توانایی های قابل توجهی در حوزه پردازش سیگنال و سری های زمانی است. همچنین مدل های عصبی – فازی خطی محلی قابلیت مناسبی در مدل سازی سیستم های پیچیده و غیر خطی دارند . در روش پیشنهادی ابتدا سری زمانی توان باد توسط تبدیل موجک به مؤلفه های فرکانس پایین (تقریب) و فرکانس بالا (جزئیات) تجزیه می شود. سپس هر یک از مؤلفه های تقریب و جزئیات توسط یک مدل مستقل عصبی- فازی خطی محلی مدل می شود و مدل توسعه یافته برای پیش بینی مقادیر آینده تقریب و جزئیات مورد استفاده قرار می گیرد. در نهایت مقادیر پیش بینی شده برای مؤلفه های تقریب و جزئیات، توسط تبدیل معکوس موجک مقدار پیش بینی توان باد را نتیجه می دهند. به منظور ارزیابی عملکرد روش پیشنهادی، سری زمانی توان باد در مزرعه بادی وبرا واقع در جنوب شرقی استرالیا مورد پیش بینی قرار می گیرد. نتایج پیش بینی کوتاه مدت با افق یک و سه ساعته برای چهار هفته مختلف از چهار فصل سال بیانگر توانمندی روش پیشنهادی در پیش بینی سری زمانی غیرخطی توان باد میباشد. به منظور نشان دادن قابلیت با لای روش پیشنهادی این مقاله، پی شبینیهای بدست آمده از این روش با نتایج حاصل از مدل های MLP و ANFIS مقایسه گردیده است و بررسی نتایج، نشان از برتری روش پیشنهادی دارد.