پیشگویی گام‌ـ بلند سرعت باد مبتنی بر مدل ترکیبی rnnga

برای استفاده مناسب و کارآمد از انرژی باد، پیش‌بینی سرعت باد بسیار مهم است. باد یکی از منابع اصلی انرژی در جهان است، اما توربین‌های بادی دارای عدم قابلیت اطمینان، پیوستگی و یکنواختی در تولید توان هستند. از طرفی تغییرات ناگهانی سرعت باد موجب به خطر افتادن سلامتی واحدهای توربین باد می‌شود؛ ازاین‌رو پیشگویی سرعت باد برای نگهداری توربین و همچنین برنامه‌ریزی برای توان تولیدی اهمیت فراوانی دارد. این مقاله یک روش جدید برای پیشگویی سرعت باد ارایه می‌دهد. این روش براساس ترکیبی از الگوریتم ژنتیک و شبکه عصبی است. اطلاعات گذشته سرعت باد به‌عنوان ورودی مدل برای پیشگویی با گام بلند (چندروزه) سرعت باد استفاده می‌شوند. عملکرد روش ارایه‌شده براساس اطلاعات واقعی جمع‌‌آوری‌شده از مزرعه بادی کهک شرکت مپنا مورد سنجش قرار گرفته است. نتایج شبیه‌سازی دقت مدل پیشنهادشده را در پیشگویی سرعت باد نشان دادند. دقت مدل پیشگویی براساس معیارrmse (root mean squared error) ، 96/0 متر بر ثانیه به‌دست آمد. نتایج حاصل از روش rnnga (recurrent neural network genetic algorithm) با روش‌های برخی مراجع مقایسه شد که این مدل با اطلاعات ورودی کمتر (سرعت باد)، دقت مشابه یا بهتر داشته است.