چکیده مقاله
پیش بینی دقیق توان تولیدی نیروگاه های خورشیدی یکی از مهم ترین چالش های بهره برداری از شبکه های قدرت هوشمند محسوب می شود ماهیت متناوب و وابستگی شدید انرژی خورشیدی به شرایط جوی موجب شده است که روش های سنتی پیش بینی از دقت کافی برخوردار نباشند در این پژوهش یک مدل ترکیبی مبتنی بر شبکه عصبی کانولوشنی–حافظه بلندمدت کوتاه مدت CNN LSTM ارائه شده است که فراپارامترهای آن توسط الگوریتم بهینه سازی گرگ خاکستری GWO تنظیم می شوند در این مقاله داده های واقعی نیروگاه خورشیدی شامل داده های تولید و داده های هواشناسی مورد استفاده قرار گرفت پس از ادغام داده ها، تعداد ۳۱۵۷ نمونه معتبر برای مدل سازی استخراج شد تحلیل همبستگی نشان داد که تابش خورشیدی دارای بیشترین تاثیر بر توان خروجی با ضریب همبستگی ۰ ۹۹۶ است نتایج نشان می دهد مدل پیشنهادی نسبت به ANN، LSTM و CNN LSTM عملکرد بهتری دارد و خطای پیش بینی را به میزان قابل توجهی کاهش می دهد
نویسندگان
ابوالفضل رحمانی
گروه مهندسی برق، واحد بوئین زهرا، دانشگاه آزاد اسلامی، بوئین زهرا، ایران
ابوالفضل رحمانی
گروه مهندسی برق، واحد بوئین زهرا، دانشگاه آزاد اسلامی، بوئین زهرا، ایران
شیوه ارجاع
�حمانی، ابوالفضل،1405،بهبود دقت پیش بینی توان نیروگاه خورشیدی با تنظیم فرا پارامترهای شبکه CNN-LSTM مبتنی بر الگوریتم گرگ خاکستری،سی و یکمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک،شیروان
ارائهشده در
مجموعه مقالات سی و یکمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک30 تیر 1405 · شیروان