پیش بینی میان مدت بار مسکونی مبتنی بر انتخاب ویژگی به روش تحلیل اجزای مجاور

پیش بینی بار مسکونی نقش مهمی در مدیریت و برنامه ریزی در شبکه های هوشمند مدرن دارد. در برنامه ریزی برای متعادل نگه داشتن تقاضا و تولید توان، لازم است پیش بینی دقیقی از بار مناطق مسکونی انجام شود. در این مقاله، یک روش پیش بینی میان مدت بار مسکونی مبتنی بر انتخاب ویژگی برای حل مسئله رگرسیون خطی ارائه شده است؛ به این ترتیب که برای انتخاب ویژگی به منظور انجام رگرسیون، از روش تحلیل اجزای مجاور استفاده می شود. بنابراین، یک مسئله بهینه سازی طرح شده است؛ مسئله مذکور با استفاده از الگوریتم حافظه محدود BFGS (LBFGS) حل می شود. مجموعه داده های AMPds۲ برای اجرای روش پیشنهادی استفاده شد و نتایج به دست آمده با نتایج شش روش پیش بینی دیگر مقایسه شدند. مقایسه ازطریق شاخص های میانگین مربعات خطا، جذر میانگین مربعات خطا و میانگین مطلق درصد خطا انجام شد و نتایج شبیه سازی موثربودن روش پیشنهادی را برای پیش بینی دقیق بار مسکونی تایید کردند.

کلیدواژه ها:

پیش بینی میان مدت ، تحلیل اجزای مجاور ، الگوریتم LBFGS ، میانگین مربعات خطا ، میانگین مطلق درصد