فهرست نشریات علمی دسترسی آزاد ایران

این مقاله یک رویکرد جدید برای پیش‌بینی کوتاه‌مدت توان تولیدی مزارع بادی با استفاده از شبکه‌های عصبی مصنوعی تحت زبان برنامه‌نویسی پایتون ارائه می‌دهد. در این روش شرایط آب و هوایی مانند سرعت باد، جهت باد، دما و فشار هوا به عنوان ویژگی‌های کلیدی تاثیرگذار بر توان تولیدی مزرعه بادی انتخاب می‌شوند. برای دستیابی به یک تخمین نسبتا دقیق، جذر میانگین مربعات خطای مقادیر پیش بینی شده محاسبه و به عنوان تابع هدف کمینه می‌شود. سرعت و دقت الگوریتم پیشنهادی با انجام مطالعه موردی بر روی یک مزرعه بادی واقع در منجیل ارزیابی شده است. توان تولیدی نیروگاه بادی برای افق زمانی یک هفته و به صورت ساعت به ساعت با استفاده از سرعت باد، جهت باد، دما و فشار هوا در طول 8592 ساعت (کل ساعات یک سال - ساعات یک هفته) پیش‌بینی می‌شود. جذر میانگین مربعات خطا، بیشترین درصد خطای نسبی، وضوح زمانی پیش‌بینی‌ها و مدت زمان اجرای محاسبات توسط الگوریتم پیشنهادی با سایر الگوریتم‌های منتشر شده در سالهای اخیر مقایسه می‌شود که نشان‌دهنده اثربخشی و دقت بالای نتایج حاصل در یک زمان محاسباتی کوتاه است. توان تولیدی مزرعه بادی در طول یک هفته به صورت ساعت به ساعت پیش‌بینی شده و 168 نقطه داده بدست آمده که جذر میانگین مربعات خطای پیش‌بینی در سناریوی بهینه برابر با 010817/0 است. زمان اجرای محاسبات الگوریتم پیش‌بینی کمتر از 1 دقیقه بوده و حداکثر خطای نسبی در روش پیشنهادی 3/2 درصد است که نشان می‌دهد عدم‌قطعیت‌های مرتبط با توان تولیدی مزرعه بادی را می‌توان با استفاده از این رویکرد پیش‌بینی کوتاه‌مدت کاهش داد.