توصيفگر ها :
مشاركت واحدهاي توليدي , عدم قطعيت , فراساحلي , شبكه عصبي مصنوعي , تجديد پذير
چكيده فارسي :
چكيده
در سال¬هاي اخير با توجه به تمايل بيشتر به مسئله حفظ محيط زيست و سلامت مطالعات زيادي بر روي انواع مسائل حوزه سيستم هاي قدرت با حضور منابع انرژي تجديدپذير به منظور كاهش آلودگي هاي ناشي از نيروگاه هاي با سوخت فسيلي علي الخصوص افزايش بي رويه انتشار گازهاي گلخانه اي صورت گرفته است. يكي از اين منابع انرژي تجديدپذير كه پتانسيل بالايي براي توليد برق دارد اقيانوس ها و درياهاست كه بيشتر سطح كره زمين را فراگرفته است و منبع قابل توجهي از انرژي را شامل مي¬شوند. بهره گيري از اين منابع جهت توليد برق براي مناطق محروم و دورافتاده كه كشيدن خطوط انتقال سخت است و هزينه هاي گزافي را شامل مي¬شود كاربردي است اما استفاده از اين منابع براي به كارگيري در توليد انرژي به دليل وابستگي به شرايط جوي و آب و هوايي داراي عدم قطعيت است و در تمام ساعات روز و شب نمي¬توان از آنها انرژي توليد كرد، لذا برنامه ريزي توليدات اين نيروگاه ها براي تامين برق مورد نياز در شبانه روز با مشكل مواجه است. براي حل اين مشكل در اين تحقيق به پيش بيني توليد توان حاصل از برخي از اين نيروگاه ها براي تامين يك بار فرضي توسط كاربرد پيش بيني سري هاي زماني در شبكه هاي عصبي مصنوعي با توجه به داده هاي روز هاي قبل براي در نظر گرفتن عدم قطعيت توليدات آنها پرداختيم. در اين كاربرد از شبكه هاي عصبي مصنوعي با استفاده از تقريب تابع و با توجه به داده هاي گذشته، داده هاي آينده پيش بيني مي¬شود و مي¬توان در حل مسئله از داده هاي جديد بهره برد و براي زمان هايي كه يك نيروگاه بيش از حد مورد نياز ما يا كمتر از تقاضاي مورد نياز ما انرژي توليد مي¬كند با در نظر گرفتن سيستم هاي ذخيره ساز انرژي مناسب برنامه هايي را در نظر گرفت.
چكيده انگليسي :
Abstract
In recent years, do to the greater desire to preserve the environment and health, many studies have been conducted on various issues in the field of power systems with the presence of renewable energy sources in order to reduce the pollution caused by fossil fuel power plants, especially the excessive increase in greenhouse gas emissions. One of these renewable energy sources that has a high potential for electricity production is the oceans and seas, which cover most of the earth’s surface and contain a significant source of energy.
Planning the production og these power plants to supply the necessary electricity around the clock is a challenge because of the unpredictability of wether-dependent energy production, which makes it impossible to produce energy from them at all hours of the day or night. However, using these resources to produce electricity for remote areas where it is difficult to construct power transmission lines and involves exorbitant costs is an advantageous use.
In this study, we we used time series prediction in artificial neural networks to estimate the power generation from these power plants to supply a load based on the data from the previous days in order to the production uncertainty. In this application, artificial neural networks are used to approximate the function based on the historical data. The future data is predicted, and new data can be used to solve the problem. In this applications, artificial neural networks are used to approximate the function, and according to the past data, the future data is predicted, and new data can be used in solving the problem. By taking into account appropriate energy storage technologies, we can generate energy that meets or exceeds our needs.
