پیش بینی کوتاه مدت بار استان چهارمحال و بختیاری با استفاده از اجماع شبکه های عصبی

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 317

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JCEJ-10-38_002

تاریخ نمایه سازی: 19 تیر 1400

چکیده مقاله:

پیش­بینی کوتاه مدت بار در بازار برق اهمیت زیادی دارد. از طرفی عوامل مهم تاثیرگذار بر پیش­بینی کوتاه مدت بار به ویژگی­های بار الکتریکی و آب و هوایی هر منطقه بستگی دارد، بنابراین با استفاده از داده­های واقعی استان چهارمحال و بختیاری-شامل بار و دما- به پیش­بینی کوتاه مدت بار الکتریکی استان پرداخته­ایم. بدین منظور با استفاده از چهار روش مختلف شبکه عصبی پرسپترون (MLp < /strong>)، مجمعی از شبکه عصبی پرسپترون (MLP Ensemble)، شبکه SVM(Support Vector Machine) و مجمعی از شبکه SVM به پیش بینی کوتاه مدت بار استان چهار محال و بختیاری پرداختیم. نتایج حاصل از مقایسه این چهار روش نشان می دهد که مجمعی از شبکه عصبی پرسپترون بهترین روش به منظور پیش بینی کوتاه مدت بار می باشد.

کلیدواژه ها:

پیش بینی کوتاه مدت بار ، شبکه عصبی پرسپترون ، مجمعی از شبکه عصبی پرسپترون

نویسندگان

اسحاق فرجی

۱دانشگاه آزاد اسلامی، واحد خورموج- گروه برق و کامپیوتر ۲باشگاه باشگاه پژوهشگران جوان و نخبگان، واحد نوراباد ممسنی، دانشگاه آزاد اسلامی، نوراباد ممسنی، ایران

محسن میرزائیان

معاونت بهره برداری و دیسپاچینگ شرکت توزیع نیروی برق، استان چهارمحال و بختیاری

حمید پروین

۱دانشگاه آزاد اسلامی، واحد خورموج- گروه برق و کامپیوتر ۲باشگاه باشگاه پژوهشگران جوان و نخبگان، واحد نوراباد ممسنی، دانشگاه آزاد اسلامی، نوراباد ممسنی، ایران

علی چمکوری

دانشگاه آزاد اسلامی، واحد خورموج- گروه برق و کامپیوتر

مجید محمدپور

۱دانشگاه آزاد اسلامی، واحد خورموج- گروه برق و کامپیوتر ۲باشگاه باشگاه پژوهشگران جوان و نخبگان، واحد نوراباد ممسنی، دانشگاه آزاد اسلامی، نوراباد ممسنی، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • سرلک، م.، ابراهیمی، ت.، توکلی، ا.، طلوع خیامی، م. و ...
  • Amirarfaei, F., Menhaj, M.B and Barghinia, S., "A Combination of ...
  • Amjady, N., " Short-term bus load forecasting of power systems ...
  • Brockwell, P. J., Davis, R. A., "Introduction to Time Series ...
  • Elattar, E. E., Goulermas, J. Y., Wu, Q. H., "Electric ...
  • Felice, M. D., Yao, X., "Short-Term Load Forecasting with Neural ...
  • Farhadi, M and Moghaddas-Tafreshi S.M.,"Analysis of Effective Variables on Daily ...
  • Fan, S., Chen, L., "Short-term load forecasting based on an ...
  • Feinberg, E. A., Genethliou, D., "Load forecasting", in Applied Mathematics ...
  • Hinojosa,A., Hoese, V. H., "Short-term load forecasting using fuzzy inductive ...
  • Piers, R.J., Adamson, K. Methodologies for Load Forecasting, Intelligent System, ...
  • Sapankevych, N., Sankar, R., "Time series prediction using support vector ...
  • Setiawan, A., Koprinska, I., Agelidis, V.G., et al. " Very ...
  • Yun, Z., Quan, Z., Caixin, S., Shaolan, L., Yuming, L., ...
  • Hansen, L., and Salamon, P., "Neural network ensembles", IEEE Trans. ...
  • نمایش کامل مراجع