پیش بینی کوتاه مدت بار الکتریکی با استفاده از تبدیل موجک و روش ترکیبی بهینه شده با الگوریتم PSO باینری

پیش بینی کوتاه مدت بار الکتریکی، نقش مهمی را درمدیریت انرژی سیستم های قدرت ایفا می کند. با توجه به این که عواملزیادی بر روی میزان مصرف انرژی الکتریکی تاثیر می گذارند، ارائهروشی مناسب برای پیش بینی بار کوتاه مدت امری ضروری است. در اینمقاله، روش جدیدی به منظور پیش بینی کوتاه مدت بار الکتریکی، بااستفاده از ترکیب تبدیل موجک، مدل خودرگسیونی میانگین متحرکانباشته فصلی ، شبکه عصبی انتشار بازگشتی و الگوریتم بهینه سازی اجتماع ذرات باینری، ارائه شده است. خروجی روش STLF ارائه شده به صورت ترکیب وزنی از خروجی های دو روش SARIMA و BPNN است. برای تعیین ضرایب وزنی از روش بهینه سازی اجتماع ذرات استفاده شده است. روش پیشنهادی بر روی شبکه ایران موردآزمایش گرفته است. نتایج شبیه سازی موید کارایی روش پیشنهادیمی باشند

کلیدواژه ها:

پیش بینی کوتاه مدت بار الکتریکی ، تبدیل موجک ، شبکه عصبی انتشار بازگشتی SARIMA ، (BPNN) الگوریتم BPSO