Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

پیش بینی پیک مصرف برق با استفاده ازشبکه های عصبی مصنوعیLM-BP مطالعه موردی برق منطقه ای مازندران و گلستان-امور غرب

ششمین کنفرانس بین المللی مهندسی صنایع و سیستم­ها  (ICISE ۲۰۲۰)
سال انتشار: 1399
کد COI مقاله: ICISE06_075
زبان مقاله: فارسیمشاهده این مقاله: 398
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 15 صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی پیک مصرف برق با استفاده ازشبکه های عصبی مصنوعیLM-BP مطالعه موردی برق منطقه ای مازندران و گلستان-امور غرب

میعاد منصورسمائی - دانشجوی دکتری مدیریت صنعتی، گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان
مصطفی ابراهیم پور - دانشیار مدیریت صنعتی، گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان
میثم عفتی - استادیار گروه مهندسی عمران، دانشکده فنی، دانشگاه گیلان
ابوالفضل شاهری - کارشناس ارشد مهندسی برق قدرت،شرکت برق منطقهای مازندران و گلستان

چکیده مقاله:

در این مطالعه با استفاده از شبکه های عصبی مصنوعی پسانتشار لونبرگ-مارکارد میزان پیک مصرف لحظهای برق (مگاوات) در غرب مازندران پیش بینی شده است. امکان برآورد بار مصرفی در زمان پیک، کمک بسزایی در برنامه ریزی های مدیریتی برق کشور داشته و میتواند در تولید، انتقال و بهره برداری مورد استفاده قرار گیرد. در روش پیشنهادی تحقیق داده های مربوط به روزهای کاری، غیرکاری، دما، رطوبت و سرعت باد بعنوان ورودی و پیک مصرف برق روزانه در طول 365 روز سال 1398 بعنوان خروجی درنظر گرفته شدهاند. به این منظور در این تحقیق مدل شبکه عصبی لونبرگ-مارکارد که ترکیبی از روش های بیشترین شیب نزول و گوسی-نیوتن است و همگرایی سریع و همچنین خطای قابل قبولی را ارائه میدهد مورد استفاده قرار گرفته است. از آنجا که در مدل مبتنی بر هوش مصنوعی مورد استفاده، وزنهای شبکه عصبی با تنظیم بین روشهای بیشترین شیب نزول و گوسی-نیوتن بهینه میشوند، لذا روش پیشنهادی با قابلیت یادگیری از داده های پیشین پیک دقت و پایداری مناسبی را در پیش بینی مصرف برق خروجی داده است همچنین نتایج نشان میدهد که هیستوگرام خطای مدل نرمال و قابل قبول است.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICISE06_075 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1046864/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
منصورسمائی، میعاد و ابراهیم پور، مصطفی و عفتی، میثم و شاهری، ابوالفضل،1399،پیش بینی پیک مصرف برق با استفاده ازشبکه های عصبی مصنوعیLM-BP مطالعه موردی برق منطقه ای مازندران و گلستان-امور غرب،ششمین کنفرانس بین المللی مهندسی صنایع و سیستم­ها (ICISE ۲۰۲۰)،مشهد،https://civilica.com/doc/1046864

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399، منصورسمائی، میعاد؛ مصطفی ابراهیم پور و میثم عفتی و ابوالفضل شاهری)
برای بار دوم به بعد: (1399، منصورسمائی؛ ابراهیم پور و عفتی و شاهری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 14,979
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

طرح های پژوهشی مرتبط جدید


طرح های پژوهشی فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی