پیش بینی توان خروجی مزارع بادی براساس الگوریتم های فازی با هدف کاهش تاثیر عدم قطعیت انرژی باد

با افزایش نفوذ منابع انرژی تجدید پذیر در سیستم های قدرت و بدنبال آن شکل گیری بازارهای برق، بهره برداری و کنترل سیستم های قدرت با چالش های مختلفی همراه خواهد بود. یکی از چالش های اصلی مواجهه با عدم قطعیت انرژی باد بوده که تاثیر مستقیم بر هزینه کل بهره برداری خواهد داشت. در این مقاله، رویکردهای مختلفی مبتنی بر منطق فازی پیشنهاد شده است تا اثربخشی آنها جهت کاهش عدم قطعیت ذکر شده از طریق پیش بینی دقیق توان تولید شده در توربین های بادی، نشان داده شود. برای دستیابی به این هدف، عملکرد سه روش فازی برای حل این مسئله مورد تحلیل و بررسی قرار گرفته است. ابتدا با استفاده از داده های تاریخی باد، الگوریتم های حداقل مربعات (BLS) و حداقل مربعات مجاز (RLS) اجرا می شوند. در ادامه، الگوریتم RLS با استفاده از تکنیک یادگیری اصلاح شده (MLFE) ، تلفیق شده تا دقت پیش بینی را افزایش دهد. همچنین، شبکه های عصبی مصنوعی (ANN) به دلیل توانایی بالا در حل چنین مسایلی به منظور مقایسه و تایید نتایج بدست آمده، مورد استفاده قرار گرفته است. در نهایت آنالیز حساسیت برخی از پارامترها بر روی پیش بینی توان مزارع بادی مورد بررسی قرار گرفته است. نتایج نشان می دهد گرچه اکثر روش های فازی و ANN  توانایی خوبی برای حل مسئله پیش بینی دارند، اما الگوریتم پیشنهادی (RLS-MLFE) به مراتب از دقت بهتری نسبت به دیگر روش ها برخوردار می باشد.