پیش بینی پیک بار الکتریکی روزانه با استفاده از شبکه عصبی تلفیقی

سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,124

فایل این مقاله در 14 صفحه با فرمت PDF 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:

IIEC04_083

تاریخ نمایه سازی: 7 مهر 1385

چکیده مقاله:

اقتصاد دنیای صنعتی و رقابتی امروز بشدت متکی به انرژی الکتریکی است . همچنین کلیه شئونات زندگی امروز به تولید برق وابسته است . از آنجاییکه انرژی الکتریکی قابل ذخیره سازی نیست و تولید بیشتر یا کمتراز حد میزان مصرف خساراتی را در پی دارد، از این جهت برنامه ریزی برای میزان تولید انرژی الکتریکی و بویژه پیک بار الکتریکی یکی از مهمترین عملیاتهای زمانبندی تولید برق برای روز بعد است . در این مقاله، ابتدا جهت کاهش نویز پیش بینی، نقشه خودسازماندهی به منظور دسته بندی داده ها براساس مشخصه های پیک بار مصرفی و دمای مشابه طراحی شده است و داده های نزدیک به یکدیگر در گروههای یکسان قرار داده شده اند . آنگاه، با بکارگیری شاخص دیویس - بولدین جهت تعیین تعداد دسته ها، بهترین حالت دسته بندی با استفاده از 5 دسته حاصل شده است . سپس از شبکه خودسازمانده دیگری برای تقسیم بندی هریک از دسته ها براساس مشخصه پیک بار استفاده شده است . به این ترتیب 5 دسته حاصل از شبکه خودسازمانده اول به 12 دسته جهت پیش بینی پیک بار مصرفی تبدیل شده است . سپس جهت پیش بینی پیک بار، شبکه عصبی پیشخوراند مبتنی بر روشهای شیب مزدوج استفاده شده است . این مدل برروی داده های پیک بارمصرفی شرکت برق منطقه ای تهران اجرا و ارزیابی شده است . نتایج پیش بینی نشان می دهد که دسته بندی داده ها موجب بهبود پیش بینی شده است .

کلیدواژه ها:

پیش بینی - پیک بار روزانه - شبکه نقشه خودسازمانده - شبکه عصبی پیشخوراند - روشهای شیب مزدوج

نویسندگان

محمدرضا امین ناصری

دانشگاه تربیت مدرس - دانشکده فنی و مهندسی - بخش مهندسی صنایع

علیرضا سروش

دانشگاه تربیت مدرس - دانشکده فنی و مهندسی - بخش مهندسی صنایع

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • صادقپور، حسن، امین ناصری، محمدرضا، پیش‌بینی بار روزانه در شبکه ...
  • صیاد، ساعد، صیاد، جهانگیر، پیش‌بینی بار هوشمند سیستمهای قدرت، پنجمین ...
  • مقدس‌تفرشی، مسعود، یاریان، محمد، پیش‌بینی کوتاه مدت بار با استفاده ... [مقاله کنفرانسی]
  • Tzafestas, S.; Tzafestas, E. _ _ C omputational Intelligence Techniques ...
  • Metaxiotis, K., Kagiannas, A., Askounis, D., Psarras, J.?'Artificial intelligence in ...
  • th International Industrial Enginering Conference ...
  • Huang, H.G., Hwang, R.C., Hsieh, J.G.?A new artificial intelligent peak ...
  • Hippert, H.S., Pedreira, C.E., Castro, S.R., 'Neural Networks for Short-Term ...
  • Amjady, N., ?Short-Term Hourly Load Forecasting Using Time-Series Modeling With ...
  • Carpinteiro, O. A. S., Alves Da Silva, A. P., ?A ...
  • Carpinteiro, O. A. S., Alves Da Silva, A. _ hierarchical ...
  • Carpinteiro, O. A. S., Alves Da Silva, A. _ hierarchical ...
  • Iizaka, T., Matsui, T., Fukuyama, Y., *A novel daily peak ...
  • Saini, L.M., Soni, M.K. , ?Artificial neural network based peak ...
  • Saini, L.M., Soni, M.K. , ?Artificial neural network based peak ...
  • Hsu, _ C., Chen, C. Y.*Regional load forecasting in Taiwan ...
  • Oja M., Kaski, S., Kohonen, T., 4Bibliography of S e ...
  • Vesanto, J.; Alhoniemi, E.}?Clustering of the S e lf-Organizing Map?, ...
  • Demuth, H., Beale, M., MATLAB 6.5/ Neural Network Toolbox, version ...
  • Hagan, M.T., Demuth, H., Beale, M., Neural Network Design', USA, ...
  • نمایش کامل مراجع