یک مدل پیش بینی جدید برای خروجی خورشیدی - بادی و باتری در سیستم های ترکیبی قدرت
ترجمه شده

یک مدل پیش بینی جدید برای خروجی خورشیدی - بادی و باتری در سیستم های ترکیبی قدرت

عنوان فارسی مقاله: یک مدل پیش بینی جدید برای خروجی خورشیدی - بادی و باتری در سیستم های ترکیبی قدرت
عنوان انگلیسی مقاله: A new prediction model of battery and wind-solar output in hybrid power system
مجله/کنفرانس: مجله هوش محیط و محاسبات انسانی - Journal of Ambient Intelligence and Humanized Computing
رشته های تحصیلی مرتبط: مهندسی برق و انرژی
گرایش های تحصیلی مرتبط: انرژی های تجدیدپدیر، تولید، انتقال و توزیع، سیستم های قدرت، فناوری های انرژی
کلمات کلیدی فارسی: موتور پیش بینی، باتری سربی اسیدی، وضعیت بار، انتخاب ویژگی
کلمات کلیدی انگلیسی: Forecast engine - Lead acid battery - State of charge - Feature Selection
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1007/s12652-017-0600-7
دانشگاه: گروه علوم کامپیوتر، دانشکده ریاضیات و کامپیوتر، دانشگاه شهید باهنر کر
صفحات مقاله انگلیسی: 11
صفحات مقاله فارسی: 22
ناشر: اسپرینگر - Springer
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2017
ایمپکت فاکتور: 4.807 در سال 2020
شاخص H_index: 41 در سال 2021
شاخص SJR: 0.589 در سال 2020
ترجمه شده از: انگلیسی به فارسی
شناسه ISSN: 1868-5137
شاخص Quartile (چارک): Q1 در سال 2020
فرمت مقاله انگلیسی: pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه: ترجمه شده و آماده دانلود
فرمت ترجمه فارسی: pdf و ورد تایپ شده با قابلیت ویرایش
مشخصات ترجمه: تایپ شده با فونت B Nazanin 14
مقاله بیس: خیر
مدل مفهومی: ندارد
کد محصول: 11830
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
پرسشنامه: ندارد
متغیر: ندارد
درج شدن منابع داخل متن در ترجمه: بله
ترجمه شدن توضیحات زیر تصاویر و جداول: بله
ترجمه شدن متون داخل تصاویر و جداول: بله
رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است
ضمیمه: ندارد
نمونه ترجمه فارسی مقاله

چکیده

در این مقاله، پیش بینی های کوتاه مدت قدرت در نیروگاه های خورشیدی و بادی ارائه شده است که می توان از این پیش بینی ها استفاده کرد تا خروجی در دسترس هر بخش تولیدی را ارزیابی کرد. در این مدل، باتری های سرب اسیدی در سیستم های قدرت ترکیبی پیشنهاد شده مبتنی بر سیستم های قدرت باد – خورشیدی مورد استفاده قرار گرفته است. در نتیجه قبل از پیش بینی کردن خروجی توان، یک روش ریاضی ساده برای شبیه سازی رفتار باتری های سربی- اسیدی در سیستم های تولید توان مستقل ترکیبی بادی- خورشیدی را به شما ارائه می کنیم. سپس مسئله پیش بینی مطرح شده ارزیابی می شود که به صورت یک حالت محدودیت در وضعیت بار (SOC) از باتری ها در نظر گرفته می شود. مدل پیش بینی ارائه شده شامل فیلتر انتخاب ویژگی ها و موتور پیش بینی ترکیبی مبتنی بر شبکه های عصبی (NN) و یک الگوریتم ارزیابی هوشمند می باشد. این روش نه تنها می تواند SOC باتری ها را در یک بازه مناسب نگاه دارد، بلکه همچنین باعث می شود که شمار سوییچ های خاموش یا روشن در توربین های بادی و ماژول های PV نیز کاهش پیدا کند. کارایی روش پیشنهاد شده در این مطالعه، بر روی داده های کاربرد های واقعی مورد ارزیابی قرار گرفته است. تحلیل های عددی به دست آمده نشان دهنده اعتبار روش پیشنهاد شده می باشد.

1. مقدمه

با افزایش ظرفیت انرژی های سبز نصب شده، دقت خطای پیش بینی خروجی قدرت نیروگاه های بادی- خورشیدی به یکی از جدی ترین چالش ها برای محققان تبدیل شده است تا آن ها بتوانند یک عملیات پایدار را داشته باشند و ارسال توان به شبکه را به خوبی انجام دهند و در عین حال، ایمنی و تضمین کیفیت را در سیستم فراهم کنند (Manla et al. 2010). در طرف دیگر، برای کاهش تاثیرات مضر بر روی شبکه های قدرت، سیستم های تولید توان ترکیبی بادی- خورشیدی متشکل از باتری های ذخیره سازی می باشند که این روش به صورت گسترده در چندین کشور مورد استفاده قرار گرفته است. این موضوع کاملا مشخص است که وقتی ظرفیت ذخیره سازی باتری ها بهبود پیدا کند، کیفیت توان خروجی نیز بهبود پیدا می کند.

6. جمع بندی

در این مقاله، یک استراتژی کنترل توان فعال با نام بلوک کنترل پیچیده ارائه شده است که با استفاده از الگوریتم های چند هدفه، اجرا شده است. در این مدل، توان بادی و خورشیدی به صورت کوتاه مدت با استفاده از روش هوشمند پیش بینی شده است. در این مدل، انتخاب ویژگی، موتور پیش بینی سه مرحله ای در نظر گرفته شده است. در این قسمت، مراحل موتورهای پیش بینی با استفاده از الگوریتم SSO بهینه سازی شده است. در این روش، وزن های موتور پیش بینی  با استفاده از این الگوریتم بهینه سازی شده است. علاوه بر این، تخصیص توان فعال نیز به عنوان یک مسئله بهینه سازی در نظر گرفته شده است که برای به دست آوردن راه حل بهینه مورد استفاده قرار می گیرد. نتایج به دست آمده نشان دهنده اعتبار روش پیشنهاد شده از طریق بهبود عملکرد خروجی توان فعال و کاهش نرخ نوسان می باشد و در عین حال، باعث می شود که SOC در باتری ها به صورت مناسب باقی بماند. علاوه بر این، این کار باعث می شود که کاربرد دامنه تنظیم توربین های بادی به بیشترین مقدار رسیده و باعث می شود که مقدار سوییچ های خاموش و روشن در توربین های بادی و ماژول های PV نیز کاهش پیدا کند.

نمونه متن انگلیسی مقاله

Abstract

In this paper short term power forecast of wind and solar power is proposed to evaluate the available output power of each production component. In this model, lead acid batteries used in proposed hybrid power system based on wind-solar power system. So, before the predicting of power output, a simple mathematical approach to simulate the lead–acid battery behaviors in stand-alone hybrid windsolar power generation systems will be introduced. Then, the proposed forecast problem will be evaluated which is taken as constraint status through state of charge (SOC) of the batteries. The proposed forecast model includes a feature selection filter and hybrid forecast engine based on neural network (NN) and an intelligent evolutionary algorithm. This method not only could maintain the SOC of batteries in suitable range, but also could decrease the on-or-off switching number of wind turbines and PV modules. Effectiveness of the proposed method has been applied over real world engineering data. Obtained numerical analysis, demonstrate the validity of proposed method.

1 Introduction

By increasing the green energy installed capacity, the wind/ solar power output prediction error precision provides serious challenge for researchers to the stable operation, dispatching as well as the safety and the quality insurance over power systems (Manla et al. 2010). On the other hand, to decrease such adverse effects on the power grid, wind-solar hybrid power generation system composed with storage batteries which have been used widely in several countries. It is clear that, once the battery’s storage have been improved, the quality of output power can improved well.

6 Conclusion

In this paper, an active power control strategy named complex control block has been presented through multi-objective algorithm. In this model, short-term wind and solar power have been forecasted through application of an intelligent method. In this model, feature selection, three stage forecast engine has been considered. Where, in this process all of the forecast engine stages have been optimized by SSO algorithm. Where, the weights of forecast engine optimized by this algorithm. Furthermore, the active power allocation has been considered as an optimization problem, and a decoration search algorithm has been considered to search the optimal explanation. Obtained results proof the validity of proposed method though improvement of active power output performance and decrease the fluctuation rate, and in a same time keep the maintain of SOC in batteries in an appropriate range. Furthermore, it could keep the maximization of utilization for regulation aptitude of wind turbines and decrease amount of on-or-off switching of wind turbines as well as PV modules.

تصویری از فایل ترجمه

          

(جهت بزرگ نمایی روی عکس کلیک نمایید)

ترجمه فارسی فهرست مطالب

چکیده

1. مقدمه

1.1 تاثیر مقاله

1.2 سازمان دهی

2. سیستم های قدرت نیروی خورشیدی – بادی ترکیبی و باتری

2.1 مدل سیستم توان بادی

2.2 مدل فوتو ولتائیک

2.3 مدل پیش بینی رفتار باتری

3. پیش بینی کوتاه مدت برای سیستم های قدرت بادی و خورشیدی

3.1 ساختار موتور پیش بینی

4. بهینه سازی بوی کوسه به صورت بهبود یافته

4.1 بهینه سازی بویایی کوسه

4.2 بهینه سازی بویایی کوسه به صورت بهبود یافته.

5. نتایج عددی

6. جمع بندی

منابع

فهرست انگلیسی مطالب

Abstract

1 Introduction

1.1 Contribution of paper

1.2 Organization

2 Hybrid wind–solar battery power system

2.1 Wind power system model

2.2 Photovoltaic model

2.3 Prediction model of battery behavior

3 Short-term power prediction for wind and solar power

3.1 The forecast engine structure

4 Improved shark smell optimization

4.1 Shark smell optimization

4.2 Improved shark smell optimization

5 Numerical results

6 Conclusion

References

محتوای این محصول:
- اصل مقاله انگلیسی با فرمت pdf
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه
قیمت محصول: ۴۲,۸۰۰ تومان
خرید محصول