پیشبینی کوتاه مدت، میان مدت و بلندمدت پیک مصرف برق در تهران به کمک روشهای یادگیری ماشین

  • سال انتشار: 1402
  • محل انتشار: نهمین کنفرانس بین المللی مهندسی صنایع و سیستم­ ها
  • کد COI اختصاصی: ICISE09_086
  • زبان مقاله: فارسی
  • تعداد مشاهده: 355
دانلود فایل این مقاله

نویسندگان

علیرضا مرادی

دانشجوی کارشناسی مهندسی صنایع، دانشگاه صنعتی شریف

نفیسه صدقی

استادیار دانشکده مهندسی صنایع، دانشگاه صنعتی شریف

چکیده

پیشبینی مصرف برق در سالهای اخیر همواره یکی از چالشهای مدیریت برق در ایران بوده است. این چالش، به ویژه در تابستان، اهمیت بیشتری پیدا میکند؛ زیرا باعث قطعی برق در صنایع و منازل میشود. به همین دلیل، پیشبینی این متغیر در مدیریت عرضه برق بسیار حائز اهمیت است. همچنین، پیشبینی بلندمدت مصرف برق، اهمیت زیادی از منظر برنامه ریزی در تولید و تنظیم واردات یا صادرات انرژی دارد. با توجه به اینکه پیشبینی در افقهای زمانی مختلف میتواند به مدیریت عرضه برق در بخشهای مختلف یک کشور نیز کمک کند، در این پژوهش، با جمع آوری متغیرهای تاثیرگذار بر مصرف برق، مجموعه داده ای فراهم شده است تا با استفاده از مدلهای یادگیری ماشین، پیک مصرف برق در تهران در سه بازه زمانی کوتاه مدت، میانمدت و بلندمدت پیشبینی شود. بدین منظور از مدلهای مختلف مانند رگرسیون خطی، رگرسیون سهتیغی و رگرسیون لاسو، جنگل تصادفی و تقویت گرادیان استفاده میشود. نتایج این پژوهش، علاوه بر ارائه بهترین مدل پیشبینی مصرف برق، نشان میدهد که روشهای یادگیری ماشین و همچنین متغیرهای تاثیرگذار بر پیشبینی مصرف، در افقهای زمانی مختلف، دارای مزایای متفاوتی هستند که باید با توجه به هدف مورد بررسی، به آنها توجه شود.

کلیدواژه ها

پیشبینی، یادگیریماشین، جنگل تصادفی، رگرسیون خطی، رگرسیون لسو، مصرف برق

مقالات مرتبط جدید

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.