فایل word مقاله پیشبینی توان خروجی توربین های بادی با به کارگیری سیستم استنتاج عصبی– فازی تطبیقی به منظور بهبود وضعیت عملی تنظیم زاویه پره توربین

    —         —    

ارتباط با ما     —     لیست پایان‌نامه‌ها

... دانلود ...

بخشی از متن فایل word مقاله پیشبینی توان خروجی توربین های بادی با به کارگیری سیستم استنتاج عصبی– فازی تطبیقی به منظور بهبود وضعیت عملی تنظیم زاویه پره توربین :

چکیده

در این مقاله مدلی جدید برای پیشبینی توان خروجی توربینهای بادی ارائه گردیده است. در این مدل که از روش اصلاح شده سیستم استنتاج عصبی- فازی تطبیقی استفاده میکند, گشتاور ژنراتور, زاویه پره توربین و سرعت باد و توان خروجی در دو زمان گذشته آن, به عنوان ورودی سیستم تعریف میشود و خروجی سیستم, توان خروجی پیش بینی شده توربین است که در بهبود وضعیت عملی تنظیم زاویه پره توربین مورد استفاده قرار میگیرد. مدل پیشنهادی بر روی یک مزرعه بادی شامل سه توربین سه مگاواتی با ژنراتورهای القایی از

دومین کنفرانس بین المللی
پیشبینی توان خروجی توربین های بادی با به کارگیری سیستم استنتاج
عصبی– فازی تطبیقی به منظور بهبود وضعیت عملی تنظیم زاویه پره
رویکردهای نوین در نگهداشت انرژی
توربین

نوع DFIG بکار برده شده است. مقایسه نتایج حاصل از پیشبینی توان با نتایج خروجی واقعی سیستم, بیانگر دقت مناسب مدل پیشنهادی است.

واژه های کلیدی : توربین بادی, توان خروجی, سیستم استنتاج عصبی-فازی تطبیقی.

-1 مقدمه

تولید الکتریسیته از باد, مساعد با محیط زسیت, از لحاظ اجتماعی قابل قبول و از لحاظ اقتصادی رقابتی محسوب می شود. توان تولیدی از باد یک نیروی حاکم بر منابع دیگر شده است و رشد وپویایی را در سال های اخیر داشته است. تکنولوژی تولیدات پراکنده همانند توربین بادی 1, پیلسوختی2 و انرژیخورشیدی3 در آینده نزدیک به علت افزایش بی رویه مصرف انرژی و آلودگی که یکی از بزرگترین مشکلات جهان امروز می باشد, نقش بسیار مهمی را در زندگی ما ایفا خواهند کرد . توربین بادی به عنوان یکی از مهمترین منابع تولید پراکنده در شبکه های قدرت سهم عمده ای از تولید توان را در حال و به طور گسترده تر در آینده خواهد داشت. یکی از مشکلاتی که در رابطه با استفاده از توربین های باد مد نظر قرار می گیرد نامعینی میزان توان تولیدی از توربین های بادی می باشد, بنابر این وجود ابزارهایی به منظور پیش بینی این توان در یافتی از انرژی باد ضروری به نظر می آید. در این مقاله یک سیستم استنتاج عصبی – فازی تطبیقی به منظور ساخت یک مدل برای پیش بینی پیش بینی توان دریافتی توربین بادی به کار گرفته شده است.

تحقیقات متعددی در زمینه پیش بینی توان توربینهای بادی صورت گرفته است. در [1] به پیشبینی توان خروجی توربین بادی در شرایطی که بادهایی با سرعت کم موجود باشد, پرداخته شده است. از دادههای حاصل از شبیه سازی توربین استفاده می کند و پس از انتخاب پارامترهای مناسب, آنها را بر اساس پنج سناریو, به دو تا پنج خوشه تقسیم و خوشه بندی کرده است. سپس برای انتخاب سناریویی که بهترین کارایی را داشته

1 Wind turbines

2 Fuel cell

3 Photovoltatic

دومین کنفرانس بین المللی
پیشبینی توان خروجی توربین های بادی با به کارگیری سیستم استنتاج
عصبی– فازی تطبیقی به منظور بهبود وضعیت عملی تنظیم زاویه پره
رویکردهای نوین در نگهداشت انرژی
توربین

است از شبکه عصبی استفاده کرده. دادههای هر خوشه را با روشهای شبکه عصبی, شبکه عصبی جمعی4, ماشین بردار پشتیبان5, بوستینگ و جنگل تصادفی6, ارزیابی کرده و برای هر خوشه, روشی که بهترین کارایی را دارد انتخاب کرده است. دلیل استفاده از روشهای ذکر شده در این تحقیق, کاهش پیچیدگی محاسبات و افزایش قابلیت اطمینان بیان شده است. در[2] مدل مجازی برای پیشبینی کوتاه مدت پارامترهای توان خروجی و سرعت روتور در توربین بادی را توسعه داده است که در این کار از الگوریتمهای داده کاوی استفاده کرده و برای توسعه مدل, سه فاز پیشپردازش دادهها, استخراج مدل و اعتبار سنجی در نظر گرفته شده است. از میان پارامترهای قابل کنترل, غیر قابل کنترل و پارامترهای کارایی, پنج پارامتر به همراه برخی از مقادیر دورههای گذشته این پارامترها را برای اجرای مدل انتخاب شده است. در این مقاله نمونهگیری بر اساس محدوده سرعت باد است و از دادههای سی توربین در دو دوره زمانی که یک دوره مربوط به وزش بادهایی با سرعت کم و دوره دیگر بادهایی با سرعت زیاد است انجام شده است. برای پیشبینی توان خروجی و سرعت روتور از الگوریتم های جنگل تصادفی, شبکه عصبی, بوستینگ, ماشین بردار پشتیبان,مدل افزایشی تعمیم یافته و الگوریتم – k نزدیکترین همسایه استفاده شده است. نتایج بدست آمده و خطاهای حاصل از آنها بررسی شده و مدل شبکه عصبی بهترین کارایی داشته و آن را برای مدل مجازی پیشبینی پارامترهای توربین بادی انتخاب کرده است. با استفاده از دادههایی که برای آموزش و تست مدل بکار رفته است, اهمیت استفاده از این روش در قابلیت تعمیم آن برای انواع توربینها با سرعت بادهای مختلف بیان شده است. در [3] روشی را برای پیش بینی سرعت باد با استفاده از مدل شبکهی عصبی رگرسیون تعمیم یافته معرفی کردند. شبکهی عصبی رگرسیون تعمیم یافته حالت توسعه یافته ای از شبکه های تابع شعاعی می باشد. که برای آموزش مدل از داده های واقعی استفاده می کنند و نشان می دهند که روش گفته شده برتری نسبت به مدل های سری زمانی خطی دارند.

در این مقاله ابتدا در بخش دوم به معرفی داده های مورد استفاده پرداخته, در بخش سوم مروری بر روش پیشنهادی , سیستم استنتاج عصبی فازی تطبیقی بهبود یافته با الگوریتم ژنتیک7به کـار رفتـه مـی پـردازیم و
4 Ensemble neural networks

5 SVM

6 Random forest

7 ANFIS

لینک کمکی