A novel wind speed forecasting system based on hybrid data preprocessing and multi-objective optimization

پیش بینی سرعت باد یک وظیفه مهم در ادغام قدرت انرژی بزرگ است که می تواند تاثیر مضر ناشی از گذار بودن و نوسان ذاتی آن را از بین ببرد. برای دستیابی به پیش بینی سرعت بالا با دقت بالا، سیستم های ترکیبی که الگوریتم هوش مصنوعی را ترکیب می کنند به طور گسترده ای مورد استفاده قرار گرفته است. با این حال، در بیشتر مطالعات گذشته، در فرآیند یادگیری پیش بینی سرعت باد با استفاده از سیستم های ترکیبی، دو چالش باز می شود: سخت است که اطمینان حاصل شود که ویژگی های اصلی داده های بادی با استفاده از پیش پردازش داده ها ساده می تواند به طور کامل استخراج و تلاش برای افزایش فقط دقت در حالی که نادیده گرفتن ثبات در برنامه های کاربردی عملی کافی نیست. در این مطالعه یک سیستم پیش بینی ترکیبی جدید با موفقیت ارائه شده برای حل مسائل فوق، با کمک های جدید به شرح زیر است: (1) یک الگوریتم پیش پردازش اطلاعات جدید بر اساس استراتژی پیش پردازش داده های ترکیبی پیشنهاد شده است، که ترکیبی از مزایای هر سودمند جزء و به نظر می رسد یک روش پیش پردازش داده امیدوار کننده است. و (2) الگوریتم مدل شبکه عصبی المان، که توسط الگوریتم بهینه ساز ساتن چند منظوره ما ارائه شده است، با پیشرفت بهبود یافته است، که به طور قابل توجهی به عملکرد پیش بینی عالی از نظر دقت و ثبات کمک می کند. برای بررسی اثربخشی پیش بینی شده سیستم، چندین مورد پیش بینی بر پایه هشت مجموعه داده های بادی در این مطالعه ارائه شده است و نتایج نشان می دهد که سیستم پیشنهادی دقت پیش بینی و ثبات را بهتر از سایر مدل های معیار می کند و می تواند برای افزایش بهره برداری استفاده شود بازده انرژی باد و همچنین سایر زمینه ها.