پيش‌بيني كوتاه‌مدت توان توليدي مزرعه بادي به كمك الگوريتم بهبوديافته مبتني بر شبكه‌هاي عصبي مصنوعي در پايتون: مطالعه موردي در منجيل

اين مقاله يك رويكرد جديد براي پيش‌بيني كوتاه‌مدت توان توليدي مزارع بادي با استفاده از شبكه‌هاي عصبي مصنوعي تحت زبان برنامه‌نويسي پايتون ارائه مي‌دهد. در اين روش شرايط آب و هوايي مانند سرعت باد، جهت باد، دما و فشار هوا به عنوان ويژگي‌هاي كليدي تاثيرگذار بر توان توليدي مزرعه بادي انتخاب مي‌شوند. براي دستيابي به يك تخمين نسبتا دقيق، جذر ميانگين مربعات خطاي مقادير پيش بيني شده محاسبه و به عنوان تابع هدف كمينه مي‌شود. سرعت و دقت الگوريتم پيشنهادي با انجام مطالعه موردي بر روي يك مزرعه بادي واقع در منجيل ارزيابي شده است. توان توليدي نيروگاه بادي براي افق زماني يك هفته و به صورت ساعت به ساعت با استفاده از سرعت باد، جهت باد، دما و فشار هوا در طول 8592 ساعت (كل ساعات يك سال - ساعات يك هفته) پيش‌بيني مي‌شود. جذر ميانگين مربعات خطا، بيشترين درصد خطاي نسبي، وضوح زماني پيش‌بيني‌ها و مدت زمان اجراي محاسبات توسط الگوريتم پيشنهادي با ساير الگوريتم‌هاي منتشر شده در سالهاي اخير مقايسه مي‌شود كه نشان‌دهنده اثربخشي و دقت بالاي نتايج حاصل در يك زمان محاسباتي كوتاه است. توان توليدي مزرعه بادي در طول يك هفته به صورت ساعت به ساعت پيش‌بيني شده و 168 نقطه داده بدست آمده كه جذر ميانگين مربعات خطاي پيش‌بيني در سناريوي بهينه برابر با 0.010817 است. زمان اجراي محاسبات الگوريتم پيش‌بيني كمتر از 1 دقيقه بوده و حداكثر خطاي نسبي در روش پيشنهادي 2.3 درصد است كه نشان مي‌دهد عدم‌قطعيت‌هاي مرتبط با توان توليدي مزرعه بادي را مي‌توان با استفاده از اين رويكرد پيش‌بيني كوتاه‌مدت كاهش داد.