پیش بینی انرژی بادی بر اساس تحلیل طیف مفرد
ترجمه نشده

پیش بینی انرژی بادی بر اساس تحلیل طیف مفرد

عنوان فارسی مقاله: پیش بینی انرژی بادی بر اساس تحلیل طیف مفرد و یک شبکه عصبی چندجمله ای ترکیبی جدید
عنوان انگلیسی مقاله: Wind power forecasting based on singular spectrum analysis and a new hybrid Laguerre neural network
مجله/کنفرانس: انرژی کاربردی - Applied Energy
رشته های تحصیلی مرتبط: مهندسی انرژی، مکانیک
گرایش های تحصیلی مرتبط: سیستم های انرژی، فناوریهای انرژی، طراحی کاربردی، تبدیل انرژی
کلمات کلیدی فارسی: پیش بینی انرژی باد، شبکه عصبی ترکیبی چندجمله ای، آنالیز طیف مفرد، الگوریتم انتقال حالت گذار Opposition
کلمات کلیدی انگلیسی: Wind power prediction، Hybrid Laguerre neural network، Singular spectrum analysis، Opposition transition state transition algorithm
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus - Master Journals List - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.apenergy.2019.114139
دانشگاه: School of Electrical Engineering, Xinjiang University, Urumqi, Xinjiang 830047 China
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2020
ایمپکت فاکتور: 9/267 در سال 2019
شاخص H_index: 162 در سال 2020
شاخص SJR: 3/455 در سال 2019
شناسه ISSN: 0306-2619
شاخص Quartile (چارک): Q1 در سال 2019
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 15
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: بله
آیا این مقاله مدل مفهومی دارد: دارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E14374
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


1- Introduction


2- Proposed methodology


3- Architecture of hybrid wind power forecasting model


4- Cases study and analysis


5- Conclusion


References

نمونه متن انگلیسی مقاله

Abstract


Given the intermittency and randomness of wind energy, the mass grid connection of wind power poses great challenges in power system and increases the threat in power system balance. Wind power forecasting can predict the fluctuation of output wind power in wind farms, which can effectively reduce wind power uncertainty. Improving the accuracy of wind power is indispensable for enhancing the efficiency of wind power utilization. To improve the forecasting accuracy, this research proposed a novel wind power forecasting method based on singular spectrum analysis and a new hybrid Laguerre neural network. First, singular spectrum analysis was used to analyze the wind power series, which decomposes the series into two subsequences, namely, trend and harmonic series and noise series. Then, Laguerre neural network and new Laguerre neural network were proposed to build the hybrid forecasting model optimized by the opposition transition state transition algorithm. The two decomposed signals were used for forecasting the future wind power value by using a forecasting model. Finally, the proposed hybrid forecasting method was investigated with respect to the wind farm in Xinjiang, China. Prediction performance results demonstrated that the proposed model has higher accuracy than the Laguerre neural network, hybrid Laguerre neural network, hybrid Laguerre neural network with singular spectrum analysis, hybrid Laguerre neural network with opposition transition state transition algorithm and singular spectrum analysis, and other popular methods.


Introduction


Efficient, clean, and low carbon has become the mainstream of the world’s energy development direction. Wind energy, as one of the most popular renewable clean energies, has developed rapidly in recent years. The total installed capacity of 14 years (from 2005 year to 2018 year) is reported in Fig. 1. It can be seen from Fig. 1 that the wind power installed capacity maintains sustained growth state in recent years, indicating that wind energy utilization remains rapidly increasing. The overall capacity of all wind turbines installed worldwide by the end of 2018 reached 597 GW [1]. Given the intermittency and randomness of wind energy, the mass grid connection of wind power poses great challenges in power system and increases the threat in power system balance. Wind power forecasting is a technology for predicting the fluctuation of output wind power in wind farms, which can effectively reduce wind power uncertainty. In other words, the accuracy of wind power forecasting is the basis of wind system optimization scheduling and efficient accommodation [2]. Improving the forecasting accuracy of wind power is indispensable for enhancing the efficiency of wind power utilization [3].

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

پیش بینی انرژی بادی بر اساس تحلیل طیف مفرد
نوشته های مرتبط
مقالات جدید
نماد اعتماد الکترونیکی
پیوندها