یک روش ترکیبی پیش بینی میان مدت قیمت برق در بازار تجدید ساختار شده با استفاده از ماشین بردار پشتیبان و شبکه های عصبی
عنوان مقاله: یک روش ترکیبی پیش بینی میان مدت قیمت برق در بازار تجدید ساختار شده با استفاده از ماشین بردار پشتیبان و شبکه های عصبی
شناسه ملی مقاله: JR_ISEE-9-2_004
منتشر شده در در سال 1397
شناسه ملی مقاله: JR_ISEE-9-2_004
منتشر شده در در سال 1397
مشخصات نویسندگان مقاله:
نوید ناظری - مرکز تحقیقات ریزشبکه های هوشمند، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
مجید معظمی - مرکز تحقیقات ریزشبکه های هوشمند، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
غضنفر شاهقلیان - مرکز تحقیقات ریزشبکه های هوشمند، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
خلاصه مقاله:
نوید ناظری - مرکز تحقیقات ریزشبکه های هوشمند، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
مجید معظمی - مرکز تحقیقات ریزشبکه های هوشمند، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
غضنفر شاهقلیان - مرکز تحقیقات ریزشبکه های هوشمند، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
در شبکه های هوشمند آینده، اطلاع از قیمت بازار برق برای هدایت رفتار مصرف کنندگان و تولیدکنندگان ضروری است. در این مقاله روش ترکیبی پیش بینی میان مدت قیمت برق در بازار تجدید ساختار شده با استفاده از ماشین بردار پشتیبان و شبکه های عصبی ارائه شده است. در این روش ابتدا حد زیاد برای قیمت ها در نظر گرفته می شود؛ سپس مجموعه آموزش به دو قسمت جهش های قیمت و قیمت های معمولی تقسیم می شود. پس از آن، روی داده های ورودی عملیات استخراج ویژگی با استفاده از اتوانکدرهای به هم چسبیده انجام می گیرد و با استفاده از هر یک از مجموعه های آموزش، مدل تخمین آموزش داده می شود. مدل های بردار پشتیبان با توابع کرنل مختلف و شبکه عصبی دولایه پیشخور با استفاده از روش پیشنهادی، آموزش و آزموده می شوند. نتایج شبیه سازی با استفاده از روش پیشنهادی نشان می دهند این روش در افزایش سرعت آموزش مدل تاثیر چشم گیری دارد و موجب بهبود دقت پیش بینی می شود.
کلمات کلیدی: اتوانکدر, پیش بینی قیمت برق, شبکه عصبی پیشخور, ماشین بردار پشتیبان
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1355603/