پیش‌بینی سرعت باد با شبکه عصبی RBF بر اساس نظریة آشوب

Abstract

پیش‌بینی سرعت باد در مواردی همچون کنترل و برنامه‌ریزی جهت قطع و وصل توربین­های بادی و تضمین عملکرد پایدار سیستم می­تواند حائز اهمیت باشد که به‌طور کلاسیک به روش­های متعددی صورت می­گیرد. در این مقاله، ارائه روشی صرفاً براساس آنالیز داده­های اندازه­گیری‌شدة قبلی مدّ نظر است. به این منظور، ضمن بررسی آشوبناک‌بودن داده­های سرعت باد، با ترکیب مفاهیم مربوط به نظریه آشوب و تکنیک­های موجود در پیش‌بینی با استفاده از شبکه­های عصبی، روشی جهت پیش‌بینی سرعت باد پیشنهاد شده است. داده­های استفاده‌شده در این تحقیق، اطلاعات ثبت‌شده در ایستگاه ورزنه استان اصفهان است. در این راستا، ابتدا با استفاده از محاسبة بُعد همبستگی از روی سری زمانی مفروض، آشوبناک‌بودن دینامیک سیستم مولد این داده­ها اثبات شده و سپس فضای حالت سیستم دینامیکی مولد بازسازی شده است. بدین‌منظور از روش FNN برای محاسبه بعد محاط و از روش AMI برای محاسبه زمان تأخیر جهت بازسازی فضای حالت استفاده شده است. در ادامه شبکه عصبی RBF جهت پیش‌بینی سرعت باد پیشنهاد شده است که ساختار آن با استفاده از اطلاعات بعد محاط و زمان تأخیر محاسبه‌شده طراحی شده است. در پایان، روش پیشنهادی بر روی داده­های عملی، اعمال و نتایج بیان شده است.<br />