پیش بینی سرعت باد بر اساس نظریه آشوب
چکیده
پیش بینی سرعت باد در مواردی همچون کنترل توربین های بادی، برنامه ریزی جهت قطع و وصل توربین¬های بادی و تضمین عملکرد پایدار سیستم توزیع می¬تواند حائز اهمیت باشد که به طور کلاسیک به روش¬های متعددی صورت می¬گیرد. در این پایان نامه ارائه روشی صرفاً بر اساس آنالیز داده¬های اندازه¬گیری شده قبلی مدنظر می¬باشد. به این منظور ضمن بررسی آشوبناک بودن داده¬های سرعت باد، با ترکیب مفاهیم مربوط به نظریه آشوب و تکنیک¬های موجود در پیش بینی با استفاده از شبکه¬های عصبی، روشی جهت پیش بینی سرعت باد پیشنهاد می¬گردد. در این راستا ابتدا با استفاده از محاسبه بُعد همبستگی و بزرگترین نمای لیاپانوف از روی سری زمانی مفروض، آشوبناک بودن دینامیک سیستم مولد این داده¬ها اثبات می¬گردد. سپس فضای حالت سیستم دینامیکی مولد بازسازی می¬شود. بدین منظور از روش نزدیکترین همسایه¬های کاذب (fnn) برای محاسبه بعد محاط و از روش میانگین اطلاعات متقابل (ami) برای محاسبه زمان تأخیر جهت بازسازی فضای حالت استفاده شده است. در ادامه شبکه عصبی پرسپترون چندلایه (mlp) و شبکه عصبی تابع پایه شعاعی (rbf) جهت پیش بینی سرعت باد پیشنهاد می¬گردند که ساختار آن¬ها با استفاده از اطلاعات بُعد محاط و زمان تأخیر محاسبه شده طراحی شده است. شبیه سازی¬های انجام شده، این نتیجه را حاصل می¬کند که شبکه¬های عصبی تابع پایه شعاعی بخاطر استفاده از توابع شعاعی که دارای خاصیت تقریب زنندگی نیمه محلی هستند، عملکرد مناسب¬تری از لحاظ دقت و پایداری نسبت به شبکه¬های عصبی پرسپترون چندلایه دارند. در ادامه بخاطر حضور مؤلفه های تأخیری در ورودی شبکه¬های عصبی طراحی شده، ایده¬ی استفاده از شبکه¬های عصبی خودتنظیم غیرخطی (narx) مطرح می¬شود که با توجه به برتری شبکه عصبی rbf نسبت به شبکه عصبی mlp ساختار جدیدی از این گونه شبکه¬ها مبتنی بر حضور شبکه عصبی با تابع پایه شعاعی طراحی می¬شود. این شبکه پیشنهادی که آن را تحت عنوان شبکه عصبی narx-rbf نامگذاری نمودیم بخاطر دارا بودن دو مزیت مهم، یکی وجود حافظه استاتیک و دینامیک در ساختارش و دیگری استفاده از توابع پایه شعاعی برای تقریب نگاشت غیرخطی مورد نظر جهت پیش بینی مقادیر آینده سری زمانی سرعت باد از روی فضای فاز بازسازی شده، در مقایسه با هر دو شبکه دیگر نتایج بهتری از لحاظ دقت به دست می دهد. در پایان می توان به این نتیجه رسید که روش ارائه شده در این پژوهش در مقایسه با روش¬های آماری که هر دو جزء روش¬های ریاضی هستند نتایج بهتری در پیش بینی کوتاه مدت سرعت باد حاصل می¬نماید.