امروزه گسترش به‌کارگیری منابع انرژی تجدیدپذیر به‌ویژه باد در تولید انرژی الکتریکی، موجب افزایش احتمال عدم‌تعادل بین میزان تولید و مقدار مصرف انرژی الکتریکی شده است. ازاین‌رو تخمین دقیق میزان ذخیرۀ موردنیاز مزارع بادی و کاهش هزینۀ تأمین آن در سیستم‌های قدرت با نفوذ بالای انرژی باد، اهمیت بسیار فراوانی دارد. در این مقاله، با به‌کارگیری یک شیوۀ احتمالاتی، میزان ذخیرۀ موردنیاز یک مزرعۀ بادی تخمین زده شده است. ذخیرۀ موردنیاز مزرعۀ بادی به دو دسته تقسیم شده است که توسط منابع ذخیرۀ پاسخ سریع و منابع ذخیرۀ پاسخ آهسته تأمین می‌شود. درواقع هدف از این تقسیم‌بندی، کاهش هزینۀ تأمین ذخیره از طریق کاهش استفاده از منابع ذخیرۀ پاسخ سریع است که در مقایسه با منابع ذخیرۀ پاسخ آهسته گران‌ترند. پیش‌بینی سرعت باد توسط روش [1]ARIMA و روش شبکۀ عصبی مصنوعی[2]، با استفاده از داده‌های واقعی اندازه‌گیری‌شده مربوط به یک مزرعۀ بادی نمونه در ایالت پنسیلوانیا آمریکا انجام شده است. در این مطالعه، با به‌کارگیری شبکۀ عصبی مصنوعی که یک روش مبتنی بر هوش مصنوعی است و نسبت‌به روش آماری و مرسوم ARIMA، از دقت بیشتری برخوردار است، میزان ذخیرۀ موردنیاز مزرعۀ بادی و هزینۀ تأمین این رزرو نیز کاهش خواهد یافت.
خسروی, سام, عمارتی, محمدرضا, فدائی نژاد, روح الله, & کی نیا, فرشید. (1401). تخمین اقتصادی رزرو مورد نیاز مزارع بادی با بکارگیری شبکه عصبی در پیش‌بینی سرعت باد. مهندسی و مدیریت انرژی, 7(1), 2-13.
MLA
سام خسروی; محمدرضا عمارتی; روح الله فدائی نژاد; فرشید کی نیا. "تخمین اقتصادی رزرو مورد نیاز مزارع بادی با بکارگیری شبکه عصبی در پیش‌بینی سرعت باد", مهندسی و مدیریت انرژی, 7, 1, 1401, 2-13.
HARVARD
خسروی, سام, عمارتی, محمدرضا, فدائی نژاد, روح الله, کی نیا, فرشید. (1401). 'تخمین اقتصادی رزرو مورد نیاز مزارع بادی با بکارگیری شبکه عصبی در پیش‌بینی سرعت باد', مهندسی و مدیریت انرژی, 7(1), pp. 2-13.
VANCOUVER
خسروی, سام, عمارتی, محمدرضا, فدائی نژاد, روح الله, کی نیا, فرشید. تخمین اقتصادی رزرو مورد نیاز مزارع بادی با بکارگیری شبکه عصبی در پیش‌بینی سرعت باد. مهندسی و مدیریت انرژی, 1401; 7(1): 2-13.
)