ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Wind Speed Nowcasting for Wind Farm Operation Using Artificial Neural "NAR / NARX" Networks

العنوان بلغة أخرى: التوقع الآني لسرعة الرياح لتشغيل مزرعة الرياح باستخدام الشبكات العصبية الاصطناعية
المؤلف الرئيسي: الزدجالية، سايرة مراد (مؤلف)
مؤلفين آخرين: Al Hinai, Amer (Advisor), Al Maashri, Ahmed (Advisor), Al-Yahyai, Sultan Salim (Advisor)
التاريخ الميلادي: 2019
موقع: مسقط
الصفحات: 1 - 99
رقم MD: 1054950
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: جامعة السلطان قابوس
الكلية: كلية الهندسة
الدولة: عمان
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

30

حفظ في:
LEADER 04833nam a22003857a 4500
001 1522388
041 |a eng 
100 |9 570843  |a الزدجالية، سايرة مراد  |e مؤلف 
245 |a Wind Speed Nowcasting for Wind Farm Operation Using Artificial Neural "NAR / NARX" Networks 
246 |a التوقع الآني لسرعة الرياح لتشغيل مزرعة الرياح باستخدام الشبكات العصبية الاصطناعية 
260 |a مسقط  |c 2019 
300 |a 1 - 99 
336 |a رسائل جامعية 
502 |b رسالة ماجستير  |c جامعة السلطان قابوس  |f كلية الهندسة  |g عمان  |o 0503 
520 |a لاقت مصادر الطاقة المتجددة- كالطاقة الشمسية، وطاقة الرياح، وغيرها- الكثير من الاهتمام من قبل الباحثين بسبب فوائدها المتعددة. إلا أن هناك الكثير من التحديات والصعوبات التي تواجه عند استخدام هذا النوع من الطاقة. فعلى سبيل المثال لا الحصر، تعتبر طاقة الرياح مصدرا لا يمكن الاعتماد عليه لدى البعض نظرا لعده عوامل منها تباين سرعة الرياح وعدم القدرة على التنبؤ بها. تهدف هذه الدراسة إلى تطوير نموذج دقيق للتنبؤ بسرعة الرياح والذي سيؤدي إلى جعل الرياح مصدرا أكثر موثوقية للطاقة، مما سيساعد أنظمة إدارة الطاقة على تغذية الكهرباء في شبكة الطاقة على نحو سلس ومستمر. في هذا المشروع، قمنا بتطوير نموذجا للتنبؤ بسرعة الرياح باستخدام مزيج من نموذج "خلق اضطرابات في البيانات" و "الشبكات العصبية الاصطناعية". وعليه، فقد تم استخدام نوعين من الشبكات العصبية الاصطناعية في هذه الرسالة لتشغيل التجارب وهما (النموذج ذاتي الانحدار غير الخطي "NAR" والنموذج ذاتي الانحدار غير الخطي مع المدخلات الخارجية "NARX"). لقد استخدمنا البيانات المقاسة من مزرعة هرويل للرياح بمحافظة ظفار لتدريب الشبكات العصبية وتم التحقق من سرعة الرياح الآنية وفقا لذلك. كما تظهر نتائج المحاكاة أنه مع زيادة خطوات التنبؤ عبر الأفق، كانت نماذج المجموعة المضطربة أكثر دقة مقارنة بالطرق الأخرى. على سبيل المثال، نجح نموذجنا المقترح في الحد من الانخفاض في مقاييس التوافقية بين القيم المستهدفة والقيم المتوقعة لسرعة الرياح بنسبة 6.12% و 3.06% باستخدام الشبكات العصبية "NAR" و "NARX"، على التوالي. علاوة على ذلك، فقد قللت من نمو أداء الخطأ من حيث المعدل الطبيعي للجذر التربيعي لمتوسط الخطأ المربع (nRMSE) مع زيادة خطوات التنبؤ في حالة النموذج ‎" NAR"‏ بمقدار 10% وفي حالة النموذج " NARX" بمقدار 12.5%. كما تم الحصول على التنبؤ الاحتمالي عند مستوى الثقة 95% وكان متوسط نسبة تغطية الاحتمالات "PICP" المقاسة أكثر من 97% لنموذج "NARX" وأكثر من 95% في حالة النموذج "NAR"، لجميع خطوات التنبؤ. 
653 |a الطاقة المتجددة  |a سرعة الرياح  |a الشبكات الاصطناعية 
700 |a Al Hinai, Amer  |e Advisor  |9 520230 
700 |a Al Maashri, Ahmed  |e Advisor  |9 509477 
700 |9 524252  |a Al-Yahyai, Sultan Salim  |e Advisor 
856 |u 9809-008-006-0503-T.pdf  |y صفحة العنوان 
856 |u 9809-008-006-0503-A.pdf  |y المستخلص 
856 |u 9809-008-006-0503-C.pdf  |y قائمة المحتويات 
856 |u 9809-008-006-0503-F.pdf  |y 24 صفحة الأولى 
856 |u 9809-008-006-0503-1.pdf  |y 1 الفصل 
856 |u 9809-008-006-0503-2.pdf  |y 2 الفصل 
856 |u 9809-008-006-0503-3.pdf  |y 3 الفصل 
856 |u 9809-008-006-0503-4.pdf  |y 4 الفصل 
856 |u 9809-008-006-0503-5.pdf  |y 5 الفصل 
856 |u 9809-008-006-0503-6.pdf  |y 6 الفصل 
856 |u 9809-008-006-0503-O.pdf  |y الخاتمة 
856 |u 9809-008-006-0503-R.pdf  |y المصادر والمراجع 
856 |u 9809-008-006-0503-S.pdf  |y الملاحق 
930 |d y 
995 |a Dissertations 
999 |c 1054950  |d 1054950 

عناصر مشابهة