چکیده
امروزه نیاز به تولید انرژی بواسطه گسترش صنایع شهری، یکی از چالش های پیش روی بشر می باشد. از طرفی با توجه به مسائل زیست محیطی نیاز به وجود سیستم هایی جهت تولید انرژی پاک از اهمیت زیادی برخوردار است. سیستم توربین باد، به عنوان یک منبع تولید واجد شرایط فوق نقش موثری در گسترش سیستم-های تولید گسترده (DG)داشته است. با این وجود، رفتار تصادفی باد نظیر همه ی پدیده های طبیعی امکان برنامه-ریزی و مدیریت بهینه را سلب می نماید. وجود عوامل متعدد در تولید باد باعث شده است که بیشتر الگوریتم های معرفی شده به ویژه در مناطقی که پستی و بلندی های فراوانی دارند، با دقت خوبی همراه نباشند. با توجه به ارتباط صریح میان توان تولیدی با سرعت باد، نیاز به طراحی سیستم پیش بینی کننده ی سرعت باد با دقت بالا، نقش مهمی در برنامه ریزی و کنترل سیستم توربین باد و استفاده حداکثری از انرژی باد خواهد داشت. به طوری که وجود خطا در پیش بینی، می تواند منجر به کاهش قابل توجه تولید انرژی سالیانه و همچنین کاهش بهره اقتصادی در این سیستم ها گردد.
با توجه به کارایی پایین روش های تخمین خطی در مساله پیش بینی سرعت باد، در این پایان نامه با توجه به ماهیت غیرخطی دینامیکی سیستم، یک شبکه عصبی MLPبا ساختار مبتنی بر ورودی و شیفت های زمانی آن، طراحی می گردد. برای بهبود کارایی شبکه عصبی، با تبدیل مساله تنظیم وزن های آن به یک مساله بهینه سازی، شبکه به کمک الگوریتم های بهینه سازی تکاملی طراحی می شود. با توجه به قابلیت های بالای الگوریتم بهینه-سازی جستجوی گرانشی GSA، نظیر همگرایی سریعتر و خطای کمتر، از این الگوریتم به عنوان روشی نوین برای بهینه سازی پارامترهای شبکه عصبی MLPجهت پیش بینی سرعت باد، استفاده می گردد. قابل ذکر است که سیستم طراحی شده بر روی اطلاعات هواشناسی منطقه خواف در مدت یکسال مورد آزمون قرار گرفته است، شبیه سازی در محیط Matlab انجام گرفته و پس از بررسی نتایج،توانایی و دقت بالای سیستم در پیش بینی کوتاه مدت سرعت باد حاصل شده است.
واژههای کلیدی
پیش بینی، سرعت باد، شبکه عصبیMLP، الگوریتم بهینه سازی جستجوی گرانشیGSA، انتخاب ویژگی، نرم-افزار Matlab،توربین بادی