پیش بینی مصرف برق با استفاده از الگوریتم جدید بهینه سازی زغن و شبکه عصبی مصنوعی پرسپترون چند لایه
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 200
فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIPET-15-60_002
تاریخ نمایه سازی: 5 آذر 1402
چکیده مقاله:
از آنجا که پیشبینی مصرف برق از موارد مهم مدیریت انرژی هر کشور محسوب میشود، در سالهای اخیر روشهای مختلفی براساس هوشمصنوعی برای آن ارائه شده است. یکی از این روشها، استفاده از شبکههای عصبی مصنوعی است. برای آن که این شبکهها عملکرد خوبی داشته باشند، باید به خوبی آموزش ببینند. یکی از متداولترین الگوریتمهای آموزش مورد استفاده در این شبکهها، الگوریتم پس انتشار خطاست که براساس گرادیان نزولی است. از آنجا که الگوریتمهای مبتنی برگرادیان نزولی ممکن است به نقاط بهینه محلی گرفتار شوند، در برخی از مسائل راه حل خوبی ارائه نمیدهند. از اینرو برای آموزش این شبکهها میتوان از الگوریتمهای بهینهسازی مانند الگوریتمهای فراابتکاری که امکان فرار از بهینههای محلی را دارند، استفاده نمود. در این تحقیق، الگوریتم فراابتکاری جدیدی به نام الگوریتم بهینهسازی زغن معرفی میگردد که از زندگی اجتماعی زغنها در طبیعت الهام گرفته شده است و دارای مزایایی مانند تعداد پارامترهای کم، قابلیت اکتشاف و سرعت همگرایی خوب، است. کارایی الگوریتم پیشنهادی، با چند الگوریتم جدید فراابتکاری روی توابع محک CEC۲۰۱۸ و برای آموزش شبکه عصبی در پیشبینی مصرف برق ایران در زمانهای اوج مصرف بار، مقایسه گردیده است. نتایج حاصل، نشان میدهد الگوریتم پیشنهادی راه حل بهتری با خطای کمتری، در مقایسه با الگوریتمهای رقیب بهدست میآورد.
کلیدواژه ها:
الگوریتم های فراابتکاری ، الگوریتم بهینه سازی زغن ، پیش بینی مصرف برق ، شبکه های عصبی پرسپترون چندلایه
نویسندگان
جلال رئیسی گهرویی
دانشکده مهندسی کامپیوتر- واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
زهرا بهشتی
مرکز تحقیقات کلان داده- واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
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 :