ارائه چارچوبی برای پیش بینی قیمت برق با استفاده از مدل یادگیری عمیق بر روی داده های سری زمانی

با توسعه منابع انرژی تجدید پذیر و عدم قطعیت در سری زمان های بار ، پیش بینی قیمت دقیق برای برنامه ریزی کارآمد و بهره برداری از تولید که قابل اطمینان باشد و باعث کاهش تلفات برق در شبکه هوشمند می شود. الگوریتم های یادگیری ماشین بیشتر برای پیش بینی قیمت و برق استفاده می شوند. با این حال ، در مجموعه داده های بزرگ ، سربار محاسباتی و پیچیدگی ایجاد می کند. برای مقابله با این چالش ها ، در این مقاله ، یک مدل پیش بینی قیمت برق با استفاده از روش یادگیری عمیق تهیه شده است. روش پیشنهادی از سه واحد تشکیل شده است. ابتدا ، برای انجام انتخاب بهتر ویژگیها ، از یک مدل ترکیبی متشکل از اطلاعات متقابل (MI) و ReliefF استفاده می شود. دوم ، تجزیه و تحلیل مولفه اصلی هسته (KPCA) برای جلوگیری از افزونگی ویژگی انجام می شود. سرانجام ، شبکه عصبی پیچشی پیشرفته (ECNN) رگرسیون را انجام می دهد. برای بررسی عملکرد مدل پیشنهادی ، نتایج پیشنهادی با پرسپترون چند لایه (MLP) و ماشین بردار پشتیبانی (SVM) به عنوان طرح های معیار مقایسه می شود. نتایج دقت نشان می دهد که عملکرد مدل ما بهتر از طرح های معیار است. تکنیک ما قوی است و به عملکرد بهتر و برنامه ریزی تولید در شبکه هوشمند کمک می کند.

کلیدواژه ها:

شبکه عصبی ، پیش بینی قیمت برق ، شبکه هوشمند