پیش بینی بار کوتاه مدت شبکه با استفاده از روش یادگیری عمیق بهینه

سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 287

فایل این مقاله در 8 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AISC01_081

تاریخ نمایه سازی: 16 آبان 1401

چکیده مقاله:

وابستگی بار شبکه به عوامل طبیعی سبب می گردد که پیش بینی بار شبکه تبدیل به تابعی گسترده با پویایی بسیار بالا شود و فرمول ها و روش های استاتیک پیش بینی بار نتوانند پیش بینی دقیقی داشته باشند. چالش های جدید شبکه انرژی نظیر انتقال اقتصادی برق به منازل مسکونی و بررسی میزان برق تولیدی از پنل های خورشیدی نصب شده در خانه ها نیاز به پیش بینی میزان مصرف انرژی منازل مسکونی را بیش از پیش ضروری ساخته است. در این مقاله برای پیش بینی دقیق بار کوتاه مدت، سه روش متداول بهینه سازی در یک الگوریتم پیش بینی بار، مورد مقایسه قرار گرفته است

کلیدواژه ها:

پیش بینی بار کوتاه مدت ، بهینه سازی ترکیبی ، شبکه عصبی LSTM

نویسندگان

محمد پازکی

دانشیار، مهندسی برق، عضو هیات علمی دانشکده فنی و مهندسی، دانشگاه دامغان

امیرحسین محمودی

دانشجوی کارشناسی مهندسی برق، دانشکده فنی و مهندسی، دانشگاه دامغان