دانلود ترجمه مقاله یک شکبه عصبی مصنوعی هیبریدی فیزیکی برای پیش بینی خروجی نیروگاه PV

1. مقدمه 2. مدل های پیش بینی انرژی 3. روش جدید هیبریدی پیشنهادی 4. تعریف خطا 5. مطالعه موردی 6. نتایج 1. نتیجه گیری ها

چکیده – هدف اصلی کار حاضر، ارزیابی پیش بینی تولید توان روز پیش رو نیروگاه های فتوولتائیک است. روش های پیش بینی نقشی اساسی در حل مسائل مربوط به ادغام منبع انرژی در شبکه های هوشمند (برق) (RES) ایفا می کنند. در اینجا روش هیبریدی جدیدی به نام شبکه عصبی مصنوعی هیبریدی فیزیکی (PHANN) براساس شبکه عصبی مصنوعی (ANN) و منحنی های آسمان صاف نیروگاه PV پیشنهاد و با روش ANN استاندارد مقایسه شده است. بعلاوه، دقت دو روش، تجزیه و تحلیل شده است تا خطاهای درونی ناشی از PHANN شناخته شده و پتانسیل آن در پیش بینی انرژی ارزیابی شود.

The main purpose of this work is to lead an assessment of the day ahead forecasting activity of the power production by photovoltaic plants. Forecasting methods can play a fundamental role in solving problems related to renewable energy source (RES) integration in smart grids. Here a new hybrid method called Physical Hybrid Artificial Neural Network (PHANN) based on an Artificial Neural Network (ANN) and PV plant clear sky curves is proposed and compared with a standard ANN method. Furthermore, the accuracy of the two methods has been analyzed in order to better understand the intrinsic errors caused by the PHANN and to evaluate its potential in energy forecasting applications.