Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

پیش بینی کوتاه مدت بار الکتریکی شبکه سرتاسری ایران با استفاده از شبکه های عصبی و منطق فازی

سال انتشار: 1384
کد COI مقاله: PSC20_099
زبان مقاله: فارسیمشاهده این مقاله: 3,854
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی کوتاه مدت بار الکتریکی شبکه سرتاسری ایران با استفاده از شبکه های عصبی و منطق فازی

هادی رزمی - دانشجوی کارشناسی ارشد کنترل دانشکده مهندسی برق و کامپیوتر دانشگاه تب
محمدتقی وکیل باغمیشه - استادیار گروه کنترل دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز ایرا

چکیده مقاله:

پـیش بینی کوتــاه مـدت مصـرف بــار الـکتریــکی نقـش اساسی در بهره برداری بهینه از سیستمهای قدرت دارد . در این مقاله با اس تفاده از شبـکه عصبی پرسپترون چنـد لایـه ( MLP ) [1] و منطق فازی [2] مـدلی جهت پــیش بینـی کوتــاه مـدت بـار الـکتریـکی مطرح شده است . این مدل بار الکتریکی را به دو بخش تقسـیم مـی کنـد . منحنـی بـار نرمـالیزه و مینـیمم و ماکزیمم بار . منحنی نرمـالیزه بـار توسـط یـک شـبکه عصـبی متشکل از 16 مدول MLP پیش بینی می شود . 16 مدول مـورد استفاده برای پیش بینی بار در روزهای کاری هفته ( یکشنبه تـا چهارشــنبه ) ، روزهــای تعطیــل، روزهــای قبــل از تعطیلــی، و روزهای بعد از تعطیلی در هر یک از فصـول بهـار، تابسـتان، پائیز، و زمستان به کار می روند . مقادیر مینیمم و مـ اکزیمم بـار در هر روز توسط منطق فازی پیش بینی خواهـد شـد . در ایـن مــدل، شــرایط آب و هــوایی، تغییــرات ماهیانــه، نــوع روز و اطلاعات تعطیلات خاص در نظر گرفته شده اند . مدل مـذکور توسط اطلاعات بار اخذ شده از مرکز دیسپاچینگ ایران مـورد آزمایش واقع گردیده است و متوسط قدرمطلق خطای بدستآمده 1/6 درصد می باشد .

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا PSC20_099 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/20408/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
رزمی، هادی و وکیل باغمیشه، محمدتقی،1384،پیش بینی کوتاه مدت بار الکتریکی شبکه سرتاسری ایران با استفاده از شبکه های عصبی و منطق فازی،بیستمین کنفرانس بین المللی برق،تهران،https://civilica.com/doc/20408

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1384، رزمی، هادی؛ محمدتقی وکیل باغمیشه)
برای بار دوم به بعد: (1384، رزمی؛ وکیل باغمیشه)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی