پیش بینی بار کوتاه مدت شبکه با استفاده از روش یادگیری عمیق بهینه
- سال انتشار: 1401
- محل انتشار: اولین کنفرانس هوش مصنوعی و پردازش هوشمند
- کد COI اختصاصی: AISC01_081
- زبان مقاله: فارسی
- تعداد مشاهده: 613
نویسندگان
دانشیار، مهندسی برق، عضو هیات علمی دانشکده فنی و مهندسی، دانشگاه دامغان
دانشجوی کارشناسی مهندسی برق، دانشکده فنی و مهندسی، دانشگاه دامغان
چکیده
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 استکلیدواژه ها
پیش بینی بار کوتاه مدت، بهینه سازی ترکیبی، شبکه عصبی LSTMمقالات مرتبط جدید
- شناسایی ویژگی های سازمان پیشرو در به کارگیری هوش مصنوعی
- قراردادهای هوشمند تجاری در متاورس با هدف خودکارسازی فرآیند تجارت
- Artificial Intelligence-Enhanced Repair Strategies in Online Collaborative EFL Classrooms: Toward a New Paradigm of Interactional Competence
- تاثیر هوش مصنوعی بر کارایی عملیات نظامی اوکراین علیه روسیه
- ارزیابی استرس و اضطراب با استفاده از پردازش سیگنال های مغزی و مدل های یادگیری ماشین
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.