پیش بینی بلندمدت تقاضا در "زنجیره تامین انرژی الکتریکی صنایع سنگ آهن اسپیدان" با استفاده از شبکه عصبی عمیق و ماشین یادگیری شدید
- سال انتشار: 1401
- محل انتشار: فصلنامه روش های هوشمند در صنعت برق، دوره: 13، شماره: 49
- کد COI اختصاصی: JR_JIPET-13-49_001
- زبان مقاله: فارسی
- تعداد مشاهده: 954
نویسندگان
گروه مهندسی صنایع- واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
گروه مهندسی صنایع- واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
مرکز تحقیقات ریز شبکه های هوشمند- واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
دانشکده مهندسی برق- واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
گروه مهندسی صنایع- واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
چکیده
صنایع سنگ آهن اسپیدان یکی از صنایع پر مصرف برق در زنجیره تامین انرژی الکتریکی استان اصفهان بهعنوان دومین قطب صنعتی کشور و یکی از تامینکنندگان اصلی مواد اولیه در زنجیره تامین صنایع فولاد کشور است. برنامهریزی در یک زنجیره تامین انرژی الکتریکی با ابعاد بزرگ در فضائی پر از تردید و عدم قطعیت، با پیشبینی تقاضای انرژی الکتریکی آغاز میگردد. در این مقاله یک روش پیشبینی بلندمدت تقاضا در زنجیره تامین انرژی الکتریکی صنایع سنگ آهن اسپیدان اصفهان با استفاده از یک روش ترکیبی شامل تبدیل موجک، شبکه عصبی عمیق و تکنیک دادهکاوی مبتنی بر ماشین یادگیری شدید پیشنهاد شده است. دادههای مورد نظر در این مطالعه با توجه به اطلاعات ثبت شده از سیگنال تقاضای انرژی الکتریکی صنایع تولیدی سنگ آهن اسپیدان در یک بازه زمانی ۴۰ ماهه و بهصورت ۲۴ ساعته استخراج و استفاده شده است. دادهها در بخشی از دوره مورد نظر ناشی از عدم تولید این صنعت در بازه مورد مطالعه منقطع بود بهطوریکه فقط ۴۰ درصد از دادهها دارای مقدار و ۶۰ درصد مابقی صفر یا ناهمگون بودهاند. این موضوع باعث نقص اطلاعات و بالا رفتن خطای پیشبینی در بخش اول الگوریتم پیشنهادی در خروجی شبکه عصبی عمیق تا ۴۰ درصد شد. جهت بهبود پیشبینی و کاهش خطای ایجاد شده، با تکمیل مدل پیشنهادی با ماشین یادگیری شدید، امکان ایجاد یک مدل پیشبینی بهبودیافته برای انجام آموزش تحت نظارت میسر گردید. در نهایت نتایج بهدست آمده با تکنیکهای دیگری مانند ماشین بردار پشتیبان و درخت تصمیمگیری مقایسه شده است. نتایج بهبود و کاهش خطا و افزایش قابل توجه دقت روش پیشنهادی در پیشبینی بلند-مدت تقاضا در زنجیره تامین انرژی الکتریکی صنایع سنگ آهن اسپیدان را نشان میدهند.کلیدواژه ها
تبدیل موجک, یادگیری عمیق, ماشین یادگیری شدید, ماشین بردار پشتیبان, درخت تصمیم گیری, پیش بینی تقاضا, زنجیره تامین انرژی الکتریکی, میانگین درصد خطااطلاعات بیشتر در مورد 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.