پديد آورنده :
احمدي، مهرناز
عنوان :
مدلسازي تركيبي براساس پيش‌پردازشگرهاي تشخيص نويز سري- موازي فازي جهت پيش بيني قدرت باد
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
مهندسي صنايع
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
سيزده، 116ص.: مصور(رنگي)، جدول، نمودار
استاد راهنما :
مهدي خاشعي
توصيفگر ها :
پيش پردازشگرهاي تشخيص نويز , ساختارهاي تركيبي سري- موازي فازي , تكنيك فيلتر كالمن , پيشبيني سريهاي زماني قدرت باد.
استاد داور :
مهدي بيجاري، غلامعلي رئيسي اردلي
تاريخ ورود اطلاعات :
1399/02/20
رشته تحصيلي :
مهندسي صنايع
دانشكده :
مهندسي صنايع و سيستم ها
تاريخ ويرايش اطلاعات :
1399/02/20
چكيده فارسي :
چكيده پيشبيني يكي از تأثيرگذارترين عوامل در مديريت و بهرهبرداري كارآمد در علوم مختلف و همچنين برنامهريزي واحدهاي توليدي ميباشد از آنجا كه رابطهي مستقيمي بين دقت پيشبينيها و كيفيت تصميمات اتخاذي وجود دارد امروزه عليرغم وجود روشهاي متعدد پيشبيني و دستيابي به پيشبينيهاي دقيق همچنان اكثر محققان درصدد بهكارگيري و تركيب روشهاي متفاوت بهمنظور حصول نتايج دقيقتر هستند انرژي باد يكي از مهمترين انرژيهاي پاك و جايگزيني مناسب براي سوختهاي فسيلي محسوب ميگردد كه پيشبيني دقيق سرعت و قدرت باد از تأثيرگذارترين عوامل در بهرهبرداري اقتصادي از انرژي باد ميباشد بههمين دليل روشهاي متعددي در ادبيات موضوع جهت پيشبيني هرچه دقيقتر از اين منبع انرژي صورت گرفته است امروزه مدلهاي تركيبي با بهرهگيري از مزاياي مدلهاي منفرد بهصورت همزمان جهت دستيابي به مدلسازيهاي جامعتر و دقيقتر استفاده ميشوند يكي از روشهاي تركيبي متداول كاهش خطا در علم مدل سازي استفاده از روشهاي پيشپردازش دادهها جهت دستيابي به الگوهاي صاف و كاهش اغتشتشات دادههاي ورودي بهويژه در سريهاي زماني پيچيده و داراي ابهام ميباشد اگرچه روشهاي پيشپردازش دادهها به طور كلي دقت پيشبينيها را با روشهاي مختلفي از جمله كاهش ابعاد حذف دادههاي پرت كاهش دادههاي ناقص رفع نويز و غيره افزايش ميدهند اما ممكن است برخي از دادهها به عنوان نويز و آشفتگي در روند فيلترينگ حذف شوند كه اين فرآيند باعث كاهش دقت پيشبينيها ميگردد به همين دليل در اين پاياننامه از يك روش پيشپردازشگر تشخيص نويز استفاده شده است كه علاوه بر بكارگيري روشهاي پيشپردازش دادهها و استفاده از الگوهاي روندي الگوهاي غيرروندي و نيز دادههاي خام در فرآيند مدلسازي وارد شده بهطوري كه خطاي فيلترينگ با در نظر گرفتن تمام الگوهاي قابل مدلسازي و همچنين حذف نويز كاهش پيدا كرده و دقت پيشبينيها حداكثر ميگردد همچنين در اين پاياننامه علاوه بر تركيب مدلهاي مختلف پيشبيني شامل مدلهاي خطي غيرخطي قطعي غيرقطعي از تركيب ساختارهاي مختلف در قالب ساختارهاي سري موازي فازي جهت دستيابي به مدلسازي جامعتر و كم ريسكتر استفاده شده است نتايج عددي نشان ميدهد كه روش پيشنهادي عملكرد مدلهاي پيشبيني تكي تركيبي موازي دوتايي تركيبي موازي سه تايي و تركيبي سري سه تايي را به ترتيب جهت پيشبيني سريهاي زماني قدرت باد بهبود داده است كلمات كليدي پيش پردازشگرهاي تشخيص نويز ساختارهاي تركيبي سري موازي فازي تكنيك فيلتر كالمن پيشبيني سريهاي زماني قدرت باد
چكيده انگليسي :
A fuzzy series parallel diagnosis preprocessing based hybrid model for wind power forecasting Mehrnaz Ahmadi Mehrnaz ahmadi@in iut ac ir Date of Submission Department of Industrial Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language PersianSupervisor Dr Mehdi Khashei khashei@cc iut ac irAbstractPrediction is one of the most influential factors in management and efficient operation indifferent sciences and planning of production units Since there is a direct relationshipbetween the accuracy of forecasts and the quality of decisions today despite the numerousmethods of predicting and achieving accurate forecasts most researchers are seeking to useand incorporate different methods to achieve more accurate results Accordingly efforts toincrease the accuracy of forecasts in the topic literature have never ceased Wind energy isone of the most important clean energy and suitable replacement for fossil fuels Today withthe increase of public awareness the concerns of emissions of greenhouse gases environmental issues and the reduction of oil and gas reservoirs the use of this renewablesource has been more than before Accurate forecasting of speed and wind power are themost effective factors in management and efficient operation of wind energy therefore themethods of numerous literature have been done in order to predict the more precise of thisrenewable energy source One of the common hybrid methods of error reduction in modelingSciences is the use of data preprocessing methods to achieve smooth patterns and reduce theturbulence of input data especially in complex time series and ambiguity Kalman filter is awidely used model in modeling which can have various applications such as datapreprocessing technique prediction model and post processing technique In this thesis Kalman filter method has been used for pre processing of input raw data Although pre
استاد راهنما :
مهدي خاشعي
استاد داور :
مهدي بيجاري، غلامعلي رئيسي اردلي
