﻿<?xml version="1.0" encoding="utf-8"?>
<ArticleSet>
  <ARTICLE>
    <Journal>
      <PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName>
      <JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle>
      <ISSN>16823745</ISSN>
      <Volume>8</Volume>
      <Issue>3</Issue>
      <PubDate PubStatus="epublish">
        <Year>2010</Year>
        <Month>9</Month>
        <Day>21</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>A New Method for Clustering Wind Speed Data in Wind Power Plants Using FCM and PSO Algorithms</ArticleTitle>
    <VernacularTitle>روشی جدید به‌منظور خوشه‌بندی داده‌های سرعت باد در نیروگاه‌های بادی با استفاده از الگوریتم‌های FCM و PSO</VernacularTitle>
    <FirstPage>210</FirstPage>
    <LastPage>214</LastPage>
    <ELocationID EIdType="doi" />
    <Language>fa</Language>
    <AuthorList>
      <Author>
        <FirstName>حسین</FirstName>
        <LastName>افراخته </LastName>
        <Affiliation></Affiliation>
      </Author>
      <Author>
        <FirstName>یاسر</FirstName>
        <LastName>بستانی املشی</LastName>
        <Affiliation></Affiliation>
      </Author>
    </AuthorList>
    <History PubStatus="received">
      <Year>2015</Year>
      <Month>11</Month>
      <Day>25</Day>
    </History>
    <Abstract>Fuzzy clustering Method (FCM) is a commonly used method of data clustering. But, when too much data are available, the use of this method usually may lead to non-homogeneous distribution of data. In this paper a new method for clustering of wind speed data in wind farms is presented. In this method, using the PSO algorithm, wind speed data is clustered and the obtained results are compared with those of FCM and K-means clustering methods. Simulation results indicate the proposed method has better convergence than K-means and FCM methods, especially in conditions which too much data are not available.</Abstract>
    <OtherAbstract Language="FA">یکی از روش‌های رایج در خوشه‌بندی داده‌ها، استفاده از الگوریتم خوشه‌بندی فازی FCM است. اما معمولاً استفاده از این روش هنگامی که حجم داده‌ها زیاد باشد، منجر به توزیع ناهمگون داده‌ها می‌گردد. در این مقاله روشی جدید برای خوشه‌بندی داده‌های سرعت باد در نیروگاه‌های بادی ارائه شده است. در این روش، داده‌های سرعت باد با استفاده از الگوریتم‌ PSO خوشه‌بندی شده و نتایج به‌دست آمده با پاسخ‌های روش‌های خوشه‌بندی FCM و K-means مقایسه گردیده است. نتایج شبیه‌سازی نشان می‌دهد که روش ارائه‌شده همگرایی بهتری نسبت به روش‌های FCM و K-means داشته و این وضعیت به‌ویژه در شرایطی که حجم بالاتری از داده‌ها در اختیار باشد، محسوس‌تر خواهد بود.</OtherAbstract>
    <ObjectList>
      <Object Type="Keyword">
        <Param Name="Value">خوشه‌بندی
نیروگاه بادی
FCM
 K-means
 PSO</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/27989</ArchiveCopySource>
  </ARTICLE>
</ArticleSet>