پیش‌بینی کوتاه مدت توان بادی با استفاده از شبکه عصبی مبتنی بر موجک

تولید توان بادی تا حد زیادی وابسته به متغیرهای اتمسفری بوده که خود وابسته به ساعت مورد نظر در طول روز ، ماه و فصل می باشد. متناوب بودن باد مانع پیش بینی دقیق آن می شود که برای بهره برداری ایمن و قابلیت اطمینان شبکه قدرت مهم است. یک راه برای رسیدگی به این مسئله در نظر گرفتن همه این متغیرهای اتمسفری است که می توان آنها را از مدل های پیش‌بینی عددی آب و هوا (nwp) بدست آورد. با این وجود ، استفاده از پارامترهای nwp ، پیچیدگی مدل پیش بینی را افزایش داده و نیازمند حجم بالایی از داده های تاریخی است. علاوه بر این مدل های مختلفی برای فصل‌ها یا ماه‌های مختلف مورد نیاز هستند. در این مقاله یک مدل پیش‌بینی شبکه عصبی مبتنی بر موجک (wnn) معرفی شده که برای پیش‌بینی کوتاه مدت تولید توان بادی با دقت مناسب به اندازه کافی قوی است و می‌توان این مدل را در همه فصل‌های سال مورد استفاده قرار داد. با کاهش پیچیدگی در این مدل ، داده های تاریخی کمتری در مقایسه با مدل های موجود در مقالات مورد نیاز است.