پیش بینی سرعت باد با شبکه عصبی RBF بر اساس نظریه آشوب

پیش بینی سرعت باد در مواردی همچون کنترل و برنامه ریزی جهت قطع و وصل توربین های بادی و تضمین عملکرد پایدار سیستم می تواند حائز اهمیت باشد که به طور کلاسیک به روش های متعددی صورت می گیرد. در این مقاله، ارائه روشی صرفا براساس آنالیز داده های اندازه گیری شده قبلی مد نظر است. به این منظور، ضمن بررسی آشوبناک بودن داده های سرعت باد، با ترکیب مفاهیم مربوط به نظریه آشوب و تکنیک های موجود در پیش بینی با استفاده از شبکه های عصبی، روشی جهت پیش بینی سرعت باد پیشنهاد شده است. داده های استفاده شده در این تحقیق، اطلاعات ثبت شده در ایستگاه ورزنه استان اصفهان است. در این راستا، ابتدا با استفاده از محاسبه بعد همبستگی از روی سری زمانی مفروض، آشوبناک بودن دینامیک سیستم مولد این داده ها اثبات شده و سپس فضای حالت سیستم دینامیکی مولد بازسازی شده است. بدین منظور از روش FNN برای محاسبه بعد محاط و از روش AMI برای محاسبه زمان تاخیر جهت بازسازی فضای حالت استفاده شده است. در ادامه شبکه عصبی RBF جهت پیش بینی سرعت باد پیشنهاد شده است که ساختار آن با استفاده از اطلاعات بعد محاط و زمان تاخیر محاسبه شده طراحی شده است. در پایان، روش پیشنهادی بر روی داده های عملی، اعمال و نتایج بیان شده است.