پیش بینی بار بلندمدت به روش سیستم عصبی– فازی تطبیقی (ANFIS) برای یک شبکه توزیع شهری نمونه
- سال انتشار: 1401
- محل انتشار: کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی
- کد COI اختصاصی: EITCONF01_096
- زبان مقاله: فارسی
- تعداد مشاهده: 249
نویسندگان
گروه برق، واحد بجنورد، دانشگاه آزاد اسلامی، بجنورد، ایران
گروه برق، واحد بجنورد، دانشگاه آزاد اسلامی، بجنورد، ایران
چکیده
اهمیت پیش بینی دقیق بار به صورت بلندمدت طی سال های اخیر با اضافه شدن بارهای مختلف به سیستم و نیز واحدهای تولید پراکنده، بیش ازپیش مشخص شده است. برای بهره برداری بهینه از سیستم های انرژی، تحلیل دقیق عملکرد سیستم قدرت به صورت زمانی و نیز عکس العمل مناسب در مقابل تغییرات بار الکتریکی ضروری است. پیش بینی بلندمدت بار الکتریکی در حوزه زمان به تولیدکننده های انرژی کمک می کند که پایداری شبکه را بهبود داده و نیز خرابی تجهیزات و خروج واحدهای تولیدی را به حداقل برسانند و قابلیت اطمینان تولید توان را تضمین نمایند. در این مقاله، سیستم استنتاج عصبی-فازی تطبیقی (ANFIS) به منظور پیش بینی بلندمدت بار الکتریکی با نتایج دقیق تر در مقایسه با روش های سنتی و خطای کمتر ارائه می شود. به این منظور داده های سری های زمانی مربوط به بار استخراج شده و از سیستم استنتاج عصبی-فازی تطبیقی به منظور آموزش و تست این داده ها معرفی شده استفاده خواهد شد. به عنوان مورد مطالعه ای، داده های مربوط به بار الکتریکی یک سیستم توزیع شهری واقعی به منظور داده های تست مدل استفاده شده و پروسه آموزش و تست مبتنی بر ANFIS نیز در محیط نرم افزار MATLAB برنامه نویسی می شود. حداقل ریشه مربعات خطا (RMSE) به عنوان مهم ترین شاخص در پیش بینی بار برای تحلیل نتایج پیش بینی استفاده خواهد شد. مقایسه نتایج پیش بینی با داده های واقعی بار، نشان دهنده دقت روش پیش بینی پیشنهادی است.کلیدواژه ها
پیش بینی بلندمدت بار الکتریکی، تحلیل سری های زمانی، سیستم استنتاج عصبی-فازی تطبیقی (ANFIS).مقالات مرتبط جدید
- ارتقای امنیت و حریم خصوصی اینترنت اشیا: نقش انقلابی فناوری های بلاک چین
- طراحی متدولوژی های ترکیبی (Hybrid) در هوش مصنوعی برای حل مسائل پیچیده
- بهینه سازی سلسله مراتبی جریان ترافیک در محیط های شهری با استفاده از یک چارچوب ترکیبی مبتنی بر سیستم های چندعامله، یادگیری عمیق و یادگیری تقویتی
- بهینه سازی یادگیری فدرال در سیستم های رایانش لبه موبایل: مروری جامع بر چالش ها، راه حل ها و کاربردهای نوظهور
- فناوری اطلاعات و ارتباطات سبز
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.