این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی و مدیریت انرژی، جلد ۷، شماره ۱، صفحات ۰-۰
عنوان فارسی تخمین اقتصادی رزرو مورد نیاز مزارع بادی با بکارگیری شبکه عصبی در پیش‌بینی سرعت باد
چکیده فارسی مقاله امروزه گسترش بکارگیری منابع انرژی تجدیدپذیر به ویژه باد در تولید انرژی الکتریکی، موجب افزایش احتمال عدم‌تعادل بین میزان تولید و مقدار مصرف انرژی الکتریکی ‌گردیده‌است. لذا تخمین دقیق میزان ذخیره مورد نیاز مزارع بادی و کاهش هزینه تامین آن در سیستم‌های قدرت با نفوذ بالای انرژی باد، از اهمیت بسیار بالایی برخوردار است. در این مقاله با بکارگیری یک شیوه احتمالاتی، میزان ذخیره مورد نیاز یک مزرعه بادی تخمین زده شده‌است. ذخیره مورد نیاز مزرعه‌بادی به دو دسته تقسیم شده‌است، که توسط منابع ذخیره پاسخ سریع و منابع ذخیره پاسخ آهسته تامین می‌گردد، در واقع هدف از این تقسیم‌بندی کاهش هزینه تامین ذخیره از طریق کاهش استفاده از منابع ذخیره پاسخ سریع است که در مقایسه با منابع ذخیره پاسخ آهسته گران‌تر هستند. پیش‌بینی سرعت باد توسط و روش [1]ARIMA و روش شبکه عصبی مصنوعی[2] ، با استفاده از داده‌های واقعی اندازه­گیری شده مربوط به یک مزرعه بادی نمونه در ایالت پنسیلوانیا انجام شده‌است. در این مطالعه، با بکارگیری شبکه عصبی مصنوعی که یک روش مبتنی بر هوش مصنوعی است و نسبت به روش آماری و مرسوم ARIMA، از دقت بالاتری برخوردار می‌باشد، میزان ذخیره مورد نیاز مزرعه بادی و هزینه تامین این رزرو نیز کاهش خواهد یافت. 1. Autoregressive Integrated Moving Average 2. Artificial Neural Network
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Economic Estimation of Reserve Requirements of Wind Farms with using Neural Networks to Predict Wind Speed
چکیده انگلیسی مقاله Nowadays, increasing the renewable energy applications in power system, especially wind power, has caused higher imbalance probability between generation and demand. Therefore, an accurate estimateion of wind farm reserve requirements and the reserve cost reduction in power systems with high wind power penetration is very important. In this paper, the reserve requirements of a wind farm is estimated by using a probabilistic approach. Reserve requirements of wind farm are divided into two categories provided by fast-responsive and slow-responsive resources. Indeed the purpose of this division is decreasing the cost of reserve provision by reducing the use of fast-responsive resources that is more expensive in comparison with slow-responsive resources. Wind speed prediction has been done by the ANN (Artificial Neural Network) and ARIMA (Autoregressive Integrated Moving Average), with using real measured data on a wind farm in the state of Pennsylvania. In this study, the Reserve requirements of wind farms and the cost of provision of reserve requirements will be reduced by using artificial neural networks that is a method based on artificial intelligence and is more accurate than statistical and traditional method ARIMA.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سام خسروی |


محمدرضا عمارتی | mohammad reza


روح الله فدایی نژاد |


فرشید کی نیا |


نشانی اینترنتی http://energy.kashanu.ac.ir/browse.php?a_code=A-10-904-1&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مهندسی برق
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات