مقاله انگلیسی رایگان در مورد پیش بینی انرژی بادی بر اساس تحلیل طیف مفرد و یک شبکه عصبی چندجمله ای ترکیبی جدید – الزویر ۲۰۲۰

elsevier

 

مشخصات مقاله
ترجمه عنوان 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
انتشار مقاله سال ۲۰۲۰
تعداد صفحات مقاله انگلیسی ۱۵ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس میباشد
نمایه (index) Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۹٫۲۶۷ در سال ۲۰۱۹
شاخص H_index ۱۶۲ در سال ۲۰۲۰
شاخص SJR ۳٫۴۵۵ در سال ۲۰۱۹
شناسه ISSN ۰۳۰۶-۲۶۱۹
شاخص Quartile (چارک) Q1 در سال ۲۰۱۹
مدل مفهومی دارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط مهندسی انرژی، مکانیک
گرایش های مرتبط سیستم های انرژی، فناوریهای انرژی، طراحی کاربردی، تبدیل انرژی
نوع ارائه مقاله
ژورنال
مجله  انرژی کاربردی – Applied Energy
دانشگاه School of Electrical Engineering, Xinjiang University, Urumqi, Xinjiang 830047 China
کلمات کلیدی 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
شناسه دیجیتال – doi
https://doi.org/10.1016/j.apenergy.2019.114139
کد محصول E14374
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract

۱- Introduction

۲- Proposed methodology

۳- Architecture of hybrid wind power forecasting model

۴- Cases study and analysis

۵- Conclusion

References

بخشی از متن 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].

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *