Nonlinear Modeling of Solar Radiation and Wind Speed Time Series

این مختصر توضیحی واضح و مختصر از تکنیک‌های اصلی تحلیل سری‌های زمانی است - ثابت، همبستگی خودکار، اطلاعات متقابل، تجزیه و تحلیل فراکتال و چندفراکتالی، تحلیل آشوب و غیره - زیرا برای تأثیر باد به کار می‌روند. سرعت و تابش خورشید بر تولید انرژی الکتریکی از این منابع تجدید پذیر. مشکل پیاده‌سازی مدل‌های پیش‌بینی با استفاده از رویکرد فاز-فضا تعبیه شده است: یک تکنیک قدرتمند برای مدل‌سازی سیستم‌های پیچیده. همچنین خوانندگان در استفاده از تکنیک‌های اصلی یادگیری ماشین برای طبقه‌بندی الگوهای پنهان در سری‌های زمانی خود راهنمایی می‌شوند و بنابراین می‌توانند تحلیل‌های آماری را انجام دهند که با استفاده از تکنیک‌های مرسوم امکان‌پذیر نیست.

در توضیح مفهومی اجتناب می‌شود. جزئیات ریاضی غیر ضروری و تمرکز بر مثال های عینی به منظور اطمینان از درک بهتر تکنیک های پیشنهادی.

This brief is a clear, concise description of the main techniques of time series analysis —stationary, autocorrelation, mutual information, fractal and multifractal analysis, chaos analysis, etc.— as they are applied to the influence of wind speed and solar radiation on the production of electrical energy from these renewable sources. The problem of implementing prediction models is addressed by using the embedding-phase-space approach: a powerful technique for the modeling of complex systems. Readers are also guided in applying the main machine learning techniques for classification of the patterns hidden in their time series and so will be able to perform statistical analyses that are not possible by using conventional techniques.

The conceptual exposition avoids unnecessary mathematical details and focuses on concrete examples in order to ensure a better understanding of the proposed techniques.