پيش بيني توان خروجي مزارع بادي براساس الگوريتم‌هاي فازي با هدف كاهش تاثير عدم قطعيت انرژي باد

با افزايش نفوذ منابع انرژي تجديد پذير در سيستم هاي قدرت و بدنبال آن شكل گيري بازارهاي برق، بهره برداري و كنترل سيستم هاي قدرت با چالش هاي مختلفي همراه خواهد بود. يكي از چالش هاي اصلي مواجهه با عدم قطعيت انرژي باد بوده كه تأثير مستقيم بر هزينه كل بهره برداري خواهد داشت. در اين مقاله، رويكردهاي مختلفي مبتني بر منطق فازي پيشنهاد شده است تا اثربخشي آنها جهت كاهش عدم قطعيت ذكر شده از طريق پيش بيني دقيق توان توليد شده در توربين هاي بادي، نشان داده شود. براي دستيابي به اين هدف، عملكرد سه روش فازي براي حل اين مسئله مورد تحليل و بررسي قرار گرفته است. ابتدا با استفاده از داده هاي تاريخي باد، الگوريتم هاي حداقل مربعات (BLS) و حداقل مربعات مجاز (RLS) اجرا مي شوند. در ادامه، الگوريتم RLS با استفاده از تكنيك يادگيري اصلاح شده (MLFE) ، تلفيق شده تا دقت پيش بيني را افزايش دهد. همچنين، شبكه هاي عصبي مصنوعي (ANN) به دليل توانايي بالا در حل چنين مسائلي به منظور مقايسه و تاييد نتايج بدست آمده، مورد استفاده قرار گرفته است. در نهايت آناليز حساسيت برخي از پارامترها بر روي پيش بيني توان مزارع بادي مورد بررسي قرار گرفته است. نتايج نشان مي دهد گرچه اكثر روش هاي فازي و ANN توانايي خوبي براي حل مسئله پيش بيني دارند، اما الگوريتم پيشنهادي (RLS-MLFE) به مراتب از دقت بهتري نسبت به ديگر روش ها برخوردار مي باشد.