پیش بینی کوتاه مدت بار صنایع با استفاده از شبکه عصبی بهبود یافته

پیش بینی کوتاه مدت بار صنایع به دلیل ویژگی های خاص پروفیل بار آن ها تفاوت های بنیادی با پیش بینی کوتاه مدت بارهای منطقه ای در سیستم های قدرت دارد . در ای ن مقاله روشی مبتنی بر استفاده از شبکه عص بی در پ یش بین ی بار ساعتی ارائه شده است. الگوریتم پیشنهادی نسبت با الگوریتم های موجود دارای دو مزی ت کلی است . الگوریتم ارائه شده از بار ساعت گذشته در مرحله آموزش شبکه استفاده نماید و بدین ترتیب دقت نتایج به می زان چشمگ یری افزایش می یابد. اما مشکل اصلی در دسترس نبودن بار ساعت قبل در زمان انجام پیش بینی است که با ارائه یک راهک ار اصلاحی در این مقاله، حل شده است . در واقع از خروج ی شبکه عصبی به عنوان فیدبک ورودی برای بار ساعت قبل در مرحله آزمون شبکه استفاده شده است . مزیت دیگر روش پیشنهاد شده در این مقاله، استفاده از یک شبکه عصبی کمکی برای تخمین خطای پیش بینی و بالا بردن میزان دقت نتایج نهایی است. جهت پیاده سازی الگوریتم پیشنهادی از اطلاعات مصرف ساعتی شرکت سیمان بجنورد در سه ماه اول سال 89 استفاده شده است.

کلیدواژه ها:

پیش بینی کوتاه مدت بار ، شبکه عصبی ، سیستم استنتاج فازی ، بار صنعتی