محتويات المقال
طور الباحثون نظاماً هجيناً جديداً للتنبؤ يُعرف باسم ICEEMDAN-NCRBMO-AELM، لتحسين موثوقية التنبؤ بطاقة الرياح متعددة المواسم بشكل كبير. يعالج هذا التطور تحديات استقرار الشبكة الحرجة الناتجة عن التقلبات الجوية. يعد هذا البحث وثيق الصلة بمشغلي شبكات الطاقة، وعلماء الأرصاد الجوية، وباحثي الطاقة المتجددة، حيث يوفر إطاراً حسابياً قوياً لإدارة التقطع العشوائي والديناميكيات غير الخطية الكامنة في طاقة الرياح، مما يتيح في النهاية إدارة شبكة أكثر استقراراً وكفاءة.
يدمج النظام المقترح حديثاً تحليل البيانات المتقدم مع الحوسبة الذكية للكشف عن أنماط الاقتران المكاني والزماني في المتغيرات المناخية. في جوهره، يستخدم النظام تقنية التحلل النمطي التجريبي المجمع المحسن بالكامل مع الضوضاء التكيفية (ICEEMDAN). تقوم هذه التقنية بتشريح تسلسلات البيانات إلى عدة أوضاع، مما يعالج بشكل فعال ميزات التردد الزمني ويخفف من اختلاط الأوضاع من خلال مخطط وزن الضوضاء الديناميكي.
خوارزمية التحسين NCRBMO
لزيادة تحسين أداء آلة التعلم الشديد التكيفية (AELM)، يقدم البحث خوارزمية جديدة تسمى التحسين الذكي للسحابة العادية المستوحى من طائر العقعق الأزرق ذي المنقار الأحمر (NCRBMO). تعمل هذه الخوارزمية، المستوحاة من نظرية نموذج السحابة وسلوك السرب لطائر العقعق الأزرق ذي المنقار الأحمر، على تعزيز دقة التنبؤ واستقراره.
تستخدم خوارزمية NCRBMO استراتيجية توليد عكسي للخرائط متعددة المراحل لتهيئة الأفراد. علاوة على ذلك، فهي تتضمن خمس استراتيجيات بحث إرشادية متميزة مصممة للتحسين العالمي. وفيما يتعلق بضبط المعلمات الفائقة، تعمل الخوارزمية على تحسين مصفوفة الوزن ومتجه التحيز في طبقة الإخراج لشبكة التغذية الأمامية ذات الطبقة المخفية الواحدة.
تم إثبات الفعالية العملية لهذا النظام باستخدام نتائج التنبؤ بطاقة الرياح بين المواسم من منطقة Jiangsu في الصين. تشير النتائج إلى أن نظام ICEEMDAN-NCRBMO-AELM يتفوق على التقنيات التمثيلية المنافسة في معالجة الاتجاهات الموسمية المعقدة والتغيرات الجوية المفاجئة. بالنسبة للباحثين والمطورين المهتمين باستكشاف أو تنفيذ هذه التقنية، تتوفر مجموعات البيانات وكود المصدر المخصص للجمهور في مستودع GitHub لمجموعات البيانات الرسمي و مستودع GitHub لكود النظام.
رأيي التقني
يمثل دمج الخوارزميات المستوحاة من الطبيعة، مثل سلوك السرب لطائر العقعق الأزرق ذي المنقار الأحمر، مع الشبكات العصبية المتقدمة قفزة كبيرة في التعامل مع الديناميكيات غير الخطية للطاقة المتجددة. يثبت الاختبار الناجح في منطقة Jiangsu جدواه لتحقيق استقرار الشبكة في العالم الحقيقي. مع استمرار تغير المناخ في إحداث تقلبات جوية غير مسبوقة، ستصبح الأنظمة الهجينة مثل نظام ICEEMDAN-NCRBMO-AELM أدوات أساسية للانتقال إلى شبكات طاقة موثوقة ومستدامة.