پیش بینی بارهای الکتریکی در شبکه های توزیع بر مبنای داده کاوی : شبکه ها یادگیری عمیق پیشرفته

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 93

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CIRED09_139

تاریخ نمایه سازی: 19 اردیبهشت 1401

چکیده مقاله:

در این مقاله یک روش مبتنی بر داده کاوی برای پیش بینی بارهای الکتریکی ارائه شده است . با پیشرفت فناوری، زمینه ی استفاده از تکنیک های داده کاوی در شبکه های الکتریکی نیز فراهم شده و بر این اساس می توان دقت روش های پیش بینی سری زمانی را تا حد زیادی بهبود بخشید. این روش برای یادگیری قدرتمند داده های بارهای مصرفی قادر به یادگیری مشخصات زمانی و مکانی سیگنال های اندازه گیری بدون استفاده از روش های استخراج و انتخاب ویژگی اضافی را ندارد. این ساختار که پیشرفته یادگیری عمیق شبکه ی عصبی بازگشتی چد متغیره بر مبنای وزن دهی بهینه ( MDRNOW)نامیده شده است و قادر است با دقت بسیار بالایی میزان مصرفی بارهای الکتریکی را پیش بینی نماید.

کلیدواژه ها:

یارهای مصرفی ، پیش بینی سری زمانی ، شبکه ی عصبی بازگشتی چد متغیره بر مبنای وزن دهی بهینه ، داده کاوی

نویسندگان

سعید نژادفردجهرمی

شرکت توزیع نیروی برق استان فارس دانشگاه شیراز

محسن بنده خدا

شرکت توزیع نیروی برق استان فارس

محمود روستایی

شرکت توزیع نیروی برق استان فارس دانشگاه صنعتی شیراز شیراز- ایران

علی لطیفی

شرکت توزیع نیروی برق استان فارس

ابراهیم لشکری

شرکت توزیع نیروی برق استان فارس