ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی کوتاه مدت بااستفاده ازمدل ترکیبی گری - فازی - مارکوف

تعداد صفحات: 12 | تعداد نمایش خلاصه: 931 | نظرات: 0
سال انتشار: 1389
کد COI مقاله: PSC25_315
زبان مقاله: فارسی
(فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 12 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 7,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی کوتاه مدت بااستفاده ازمدل ترکیبی گری - فازی - مارکوف

آرش اسراری - دانشجوی کارشناسی ارشدبرق دانشکده مهندسی دانشگاه فردوسی مشهد
داود سیدجوان - دانشجوی کارشناسی ارشدبرق دانشکده مهندسی دانشگاه فردوسی مشهد
محمدحسین جاویدی دشت بیاض - استادگروه برق دانشکده مهندسی دانشگاه فردوسی مشهد
حبیب رجبی مشهدی - دانشیارگروه برق دانشکده مهندسی دانشگاه فردوسی مشهد

چکیده مقاله:

پیش بینی دقیق بارازاهمیت بسزایی برای شرکت کنندگان بازاربرق درمدیریت هرچه کاراتراین بازاربرخورداراست. ازدیگرسوتخمین دقیق بارنه تنهاهزینه تولیدرادرسیستم قدرت کاهش می دهد.بلکه بهره برداری هرچه بهترراازسیستم موردمطالعه نتیجه میدهد. دراین مقاله مدل ترکیبی گری-فازی- مارکوف جهت پیش بینی کوتاه مدت بارپیشنهادمی شود.ابتدامقایسه ای بین دو مدلگری GM(1,1) و GM(1,2) صورت گرفته ونشان داده که مدل GM(1,2) به دلیل توانایی ودردنبال کردن نوسانات بارمدل قابل اعتماد تری می باشد. سپس نتایج حاصل ازمدلگری بارویکردی فازی کلاسبندی می شودوازآن درجهت طراحی مارکوف استفاده می شودتادقت حاصل ازپیش بینی باردرکوتاه مدت راافزایش می دهد.این مدل برای پیش بینی بار4ساعت آتی ونیز24ساعت آتی باشرایط مختص به خودبرروی داده های بارپیاده سازی شده است.ملاحظه ای می شودچه هنگامی که داده های تعلیم محدودباشند.وچه زمانی که مشاهدات فرااوانی دردسترس باشند.مدل پیشنهادی دارای دقت بالایی درتخمین بارمی باشد.

کلیدواژه ها:

پيش بيني كوتاه مدت بار،مدل گري،كلاس بندي فازي،زنجيره ماركوف،ماتريس احتمال گذارحالت

کد مقاله/لینک ثابت به این مقاله

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/133518/

کد COI مقاله: PSC25_315

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:
اسراری، آرش و سیدجوان، داود و جاویدی دشت بیاض، محمدحسین و رجبی مشهدی، حبیب،1389،پیش بینی کوتاه مدت بااستفاده ازمدل ترکیبی گری - فازی - مارکوف،بیست و پنجمین کنفرانس بین المللی برق،تهران،،،https://civilica.com/doc/133518

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: (1389، اسراری، آرش؛ داود سیدجوان و محمدحسین جاویدی دشت بیاض و حبیب رجبی مشهدی)
برای بار دوم به بعد: (1389، اسراری؛ سیدجوان و جاویدی دشت بیاض و رجبی مشهدی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • G. Gross, and F. D. Galiana, "Short-term Load Forecasting, " ...
  • C. E. Asbury, "Weather Load Model for Electric Demand Energy ...
  • Forecasting, " IEEE Tran. On Power App. and Syst., Vool. ...
  • A. D. Papalexopoulo S. T. C. Hesterberg, " A Short-Term ...
  • System Load Forecasting", IEEE Tran, _ PWRS. Vol. PWRS-5 NO. ...
  • G. Irisarri. S. Widergren. P. Yehsakul, "On-line Load Forecasting for ...
  • A. D. Papalekopulos and T. C. Hesterberg, _ regres sion-based ...
  • M. Hagan, and R. Klein, _ Identi fication Techniques of ...
  • J. Toyoda, M. Chen, and Inoue, " An Application of ...
  • J. H. Park, Y. M. Park, and K. Y. Lee, ...
  • forecasting, " IEEE Trans. Power Syst., vol. 6, no. 2, ...
  • D. J. Trudnowski et al., 'Real-time very short-term load prediction ...
  • S. Rahman, and R. Bhatnagar, "An Expert System Load ...
  • Forecasting, " IEEE Trans. on Power Systems, Vool. 3, No. ...
  • K. Jabbour. J. F y. Riveros, D. Landsbergen, W. Meyer, ...
  • Deng LJ, Grey Forecasting and decision. Wuhan :Huazhong of Society ...
  • Deng L.J, _ Introduction o grey system theory., " The ...
  • Hsu LC, "Applying the grey prediction model to industry, " ...
  • Technological Fore casting&Social Change , Vol. 70, pp. 563-574, Jue ...
  • D. C. Park, M. A. El-Sharkawi, R. J. Marks, L. ...
  • T. M. Peng. N. F Hubcele. G. ...
  • Forecasting". 9 1 SM 451-5 PWRS. IEEEPES 1991 Summer Meeting, ...
  • Wu Dan, Cheng Haozhong, etc. Annual peak power load forecasting ...
  • Chen Rouyi, Zhang Yao, Wu Zhigang , etc. clustering [J. ...
  • Proceedings of Electric Power System and Automation, 2005, 17 (3) ...
  • B.-J. Chen, M.-W. Chang, and C.-J. Lin, "Load Forecasting Using ...
  • H. Mori and M Ohmi, " A Relevance vector Load ...
  • Forecasting in Electric Power Systems, " Proc. Of RASC2006, pp. ...
  • C. J. Lin, C. H. Chen, and C. T. Lin, ...
  • Y. Bodyanskiy, S. Popov, and T. Rybalchenko, "Multilayer neuro-fuzzy network ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله

    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: 25,310
    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 پیشنهادی مرتبط

    مقالات مرتبط جدید

    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