کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6768485 512472 2014 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Prediction of solar radiation with genetic approach combing multi-model framework
ترجمه فارسی عنوان
پیش بینی تابش خورشیدی با رویکرد ژنتیکی، چارچوب مدل چند بعدی
کلمات کلیدی
ترجمه چکیده
در این مقاله، یک رویکرد ژنتیکی برای شبیه سازی چارچوب چند مدل برای پیش بینی سری های تابش خورشیدی پیشنهاد شده است. این چارچوب با فرض اینکه چند مولفه مختلف در اجزای تصادفی از مجموعه تابش خورشید وجود دارد، آغاز می شود. برای کشف الگوی زیرین، یک الگوریتم ژنتیکی برای جداسازی سری خورشیدی به صورت پویا استفاده می شود و متعاقب آن بیشتر به خوشه های مختلف دسته بندی می شود. برای هر خوشه، یک مدل پیش بینی برای نشان دادن الگوی خاص آموزش داده شده است. در مرحله پیش بینی، شناسایی الگو برای دوره فعلی از اهمیت زیادی برخوردار است. بنابراین یک روش برای شناسایی الگو برای شناسایی الگوی مناسب برای مجموعه ای که متعلق به آن است، انجام می شود. نتیجه پیش بینی از چارچوب پیشنهادی سپس با الگوریتم های دیگر مقایسه می شود. این نشان می دهد که چارچوب پیشنهادی می تواند در مقایسه با دیگران عملکرد برتر ارائه دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
چکیده انگلیسی
In this paper, a genetic approach combing multi-model framework for solar radiation time series prediction is proposed. The framework starts with the assumption that there exists several different patterns in the stochastic component of the solar radiation series. To uncover the underlying pattern, a genetic algorithm is used to segment the solar series dynamically, and the subsequences are further grouped into different clusters. For each cluster, a prediction model is trained to represent that specific pattern. In the prediction phase, identifying the pattern for current period is of great importance. Thus a procedure for the pattern identification is performed to identify the proper pattern for the series belong to. The prediction result of the proposed framework is then compared to other algorithms. It shows that the proposed framework could provide superior performance compared to others.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Renewable Energy - Volume 66, June 2014, Pages 132-139
نویسندگان
, , , , ,