کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4926318 1431593 2017 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Robust estimation of wind power ramp events with reservoir computing
ترجمه فارسی عنوان
برآورد پایدار از وقایع رمپ باد با محاسبات مخزن
کلمات کلیدی
پیش بینی وقایع رمپ های باد، شبکه عصبی مکرر، محاسبات مخزن، شبکه های دولتی اکو داده های بازآزمایی، سری زمانی،
ترجمه چکیده
وقایع رمپ باد موجب افزایش ناگهانی یا کاهش سرعت باد در یک دوره کوتاه مدت می شود. پیش بینی آنها امروزه یکی از مهمترین محدوده های تحقیقاتی در تولید انرژی های باد است زیرا آنها می توانند به طور بالقوه به توربین های بادی آسیب برساند و باعث افزایش هزینه های مدیریت مزارع باد می شود. در این مقاله، پیش بینی های باینری 6 و 24 ساعته (رمپ / غیر رمپ) بر اساس روش محاسبات مخزن پیشنهاد شده است. این پیش بینی ممکن است برای جلوگیری از آسیب در توربین ها مورد استفاده قرار گیرد. مدل های محاسباتی مخزن استفاده می شود زیرا آنها قادر به بهره برداری از ساختار زمانی داده ها هستند. ما بر روی شبکه های دولت اکو تمرکز می کنیم که یکی از مدل های محاسباتی مخزن هستند که با موفقیت به کار گرفته می شوند. متغیرهایی که در نظر گرفته می شوند شامل مقادیر گذشته عملکرد رمپ و مجموعه ای از متغیرهای هواشناسی است که از داده های بازآزمایی حاصل می شود. شبیه سازی سیستم در داده ها از سه مؤسسه بادی واقع در اسپانیا انجام می شود. نتایج نشان می دهد که پیشنهاد الگوریتم ما قادر است به طور صحیح حدود 60 درصد رویدادهای رمپ را در هر دو مورد پیش بینی های 6 ساعته و 24 ساعت و 75 درصد موارد غیر رمپ در مورد مورد بعدی 24 ساعته پیش بینی کند. این نتایج در مقایسه با مدل های هنری مقرون به صرفه، در همه موارد به دست آوردن پیشرفت های قابل توجهی به نفع الگوریتم پیشنهاد شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
پیش نمایش مقاله
برآورد پایدار از وقایع رمپ باد با محاسبات مخزن
چکیده انگلیسی
Wind power ramp events are sudden increases or decreases of wind speed within a short period of time. Their prediction is nowadays one of the most important research trends in wind energy production because they can potentially damage wind turbines, causing an increase in wind farms management costs. In this paper, 6-h and 24-h binary (ramp/non-ramp) prediction based on reservoir computing methodology is proposed. This forecasting may be used to avoid damages in the turbines. Reservoir computing models are used because they are able to exploit the temporal structure of data. We focus on echo state networks, which are one of the most successfully applied reservoir computing models. The variables considered include past values of the ramp function and a set of meteorological variables, obtained from reanalysis data. Simulations of the system are performed in data from three wind farms located in Spain. The results show that our algorithm proposal is able to correctly predict about 60% of ramp events in both 6-h and 24-h prediction cases and 75% of the non-ramp events in the next 24-h case. These results are compared against state of the art models, obtaining in all cases significant improvements in favour of the proposed algorithm.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Renewable Energy - Volume 111, October 2017, Pages 428-437
نویسندگان
, , , , , ,