A numerical model based on prior distribution fuzzy inference and neural networks

رشد تقاضای برق موجب افزایش ضرورت تامین برق پاکیزه تر و ایمن تر و پیش بینی سرعت باد کوتاه مدت با دقت بالا می شود در مدیریت کارآمد سیستم های برق غیر قابل تعویض است. با این حال، این یک وظیفه چالش برانگیز و مهم برای دستیابی به پیش بینی دقیق سرعت باد کوتاه مدت است. بسیاری از مدل ها پایداری ندارند و اهمیت عوامل هواشناسی را نادیده می گیرند، که منجر به دقت پیش بینی ضعیف می شود. این مقاله یک مدل عددی قابل اعتماد برای تأیید بر مبنای استنتاج فازی (قبل از استنتاج فازی فازی و سیستم مبتنی بر فازی مبتنی بر شبکه سازگار) و عوامل هواشناسی (درجه حرارت جو، فشار اتمسفر و تراکم اتمسفر) را ایجاد می کند. شبکه عصبی فازی یک طرح مطلوب در پیش بینی سرعت باد است که عمدتا به علت ظرفیت درونی خود از مدل سازی داده های مجموعه داده ها با رابطه بسیار غیر خطی بین ورودی ها و خروجی ها است. سه آزمایش با داده های جمع آوری شده از هبی به منظور بررسی اثر مدل هیبریدی پیشنهاد شده با مقایسه آن با سه روش شناخته شده انجام می شود. به این نتیجه می رسیم که مدل های ترکیبی نه تنها می تواند ارزش واقعی را تقریبا یکسان تقسیم کند، بلکه می تواند ابزار موثر در برنامه ریزی و ارسال شبکه های هوشمند باشد.