عنوان پایان‌نامه
پیش¬بینی ظرفیت تولید توان صفحات خورشیدی به کمک روش¬های ترکیبی
- رشته تحصیلی
- مهندسی برق-کنترل
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2228;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 57922
- تاریخ دفاع
- ۰۷ خرداد ۱۳۹۲
- دانشجو
- مسعود بشری
- استاد راهنما
- شاهرخ فرهنگی, اشکان رحیمی کیان
- چکیده
- در این پایان نامه، پیش بینی تولید آرایه های خورشیدی مورد بررسی قرار گرفته است. استفاده از آرایه های خورشیدی به عنوان یکی از منابع عمده در شبکه های انرژی، چالش های زیادی را به همراه دارد که یکی از آن ها، تصادفی بودن میزان تولید این آرایه ها می باشد. پژوهش های بسیاری به منظور پیش بینی میزان تولید این آرایه ها انجام شده است. دیدگاه این پایان نامه، پیش بینی بر اساس روش های داده محور می باشد. در این راستا، از مدل های ARMA ، SVR و نیزANFIS به منظور مدل سازی سری زمانی و نیز پیش بینی تولید آرایه های فتوولتائیک استفاده شده است. در مرحله بعد خروجی مدل های مذکور به کمک الگوریتم های OWA ، ترکیب کالمن، انتگرال چوکوئیت و نیز شبکه های RBF ترکیب شده اند. به علاوه، الگوریتمی به نام ترکیب بر پایه گارچ نیز ارائه شده و از این الگوریتم نیز به منظور ترکیب اطلاعات استفاده شده است. نتایج پیش بینی روش های مختلف بر اساس معیارهایی مانند حداکثر خطا، میانگین مربعات خطا و نیز کیفیت پیش بینی الگوهای روزهای ابری با یکدیگر و نیز با مدل MLP که مدل رایجی در زمینه پیش بینی تولید آرایه های فتوولتائیک می باشد مورد مقایسه قرار گرفته اند. معیار دیگری که بر اساس آن کیفیت پیش بینی عوامل مختلف مورد بررسی قرار گرفته است، خواص آماری مانده ها می باشد. در حقیقت مدلی که خواص آماری مانده های آن بیشترین شباهت به نویز سفید را داشته باشد، مدلی است که بیشترین اطلاعات را از داده ها دریافت کرده است. تحلیل کلی نتایج نشان می دهد اولا استفاده از ترکیب اطلاعات باعث بهبود فرایند پیش بینی می شود و در ثانی روش ارائه شده می تواند به عنوان یک روش با بار محاسباتی کم و کیفیت مناسب مورد استفاده قرار گیرد.
- Abstract
- Renewable energy resources such as photo voltaic arrays and wind turbines are becoming widely used in modern electrical energy networks. In this thesis photo voltaic arrays and their generation capability are focused. In fact, using photo voltaic arrays as an energy resource in electrical energy resource has lots of challenges including randomness of their generation capability. Lots of researches have been done to forecast photo voltaic arrays generation capability; these researches are in two categories, in the first one, analytic models are used as useful tools for prediction. In the second way, time series are used to predict generation capability of photovoltaic arrays in a data-driven manner. In this thesis some time-series models including ARMA, SVR, ANFIS and MLP are used to forecast the generation of photo voltaic arrays. on the next step, Output of these models are fused by using some fusion algorithms such as OWA, Kalman Fusion, Choquet Integral, RBF Fusion and a new presented method called GARCH based Fusion. On The next step results are analyzed using some criteria including NMSE, RMSE, Maximum of Error, quality of pattern recognition in cloudy days and simulation time. Another test which is used to evaluate different methods is comparing statistical characteristics of residuals to determine if it is similar to white noise. Analyzing results shows that using data fusion algorithms can improve prediction accuracy and also presented model could be applied as a low computational load algorithm to fuse output of different models.
