کاربرد برازش منحنی در تلفیق با روش مانده هنجار شده جهت شناسایی و تصحیح داده های نامناسب بار
- سال انتشار: 1384
- محل انتشار: بیستمین کنفرانس بین المللی برق
- کد COI اختصاصی: PSC20_102
- زبان مقاله: فارسی
- تعداد مشاهده: 1718
نویسندگان
پژوهشکده برق - پژوهشگاه نیرو تهران – ایران
پژوهشکده برق - پژوهشگاه نیرو تهران – ایران
پژوهشکده برق - پژوهشگاه نیرو تهران – ایران
چکیده
برنامه ریزی بهره برداری و سرمایه گذاری، تامین، تولید و توزیع انرژی الکتریکی باید براساس تطبیق عرضه بر تقاضا صورت پذیرد . لذا در برنامه ریزی سیستم قدرت، پیش بینی بار از اهمیت ویژه ای برخوردار است . مهمترین اطلاعات مورد استفاده در پیش بینی بار، مقادیر گذشته بار است . داده های بار به ویژه داده های بار مناطق در شبکه سراسری ایران علاوه بر خطاهای سیستم های اندازه گیری، دارای خطاهای قرائت و ثبت اطلاعات توسط اپراتورها نیز هستند . همچنین اتفاقات ناخواسته و خروجها یا خاموشی ها در شبکه نیز منحنی بار را غیرعادی می سازند که برای کاربرد در پیش شرایط عادی انجام می شود باید تصحیح شوند . بینی بار که برای بدین ترتیب اهمیت شناسایی و تصحیح داده های نامناسب در مجموعه داده های بار آشکار می شود . در این مقاله الگوریتمی از تلفیق روش مانده هنجار شده با برازش منحنی ارایه می گردد که داده های نامناسب را در مجموعه داده های بار تشخیص داده و تصحیح می نماید . این الگوریتم در واقع مانند یک فیلتر ورودی قبل از شروع پیش بینی بار عمل می کند . نتایج پیش بینی با داده های خام و داده های اصلاح شده با این الگوریتم موید قابلیت آن در بهبود داده های بار مورد استفاده در پیش بینی بار است .کلیدواژه ها
سیستم قدرت، بازار برق، پیش بینی بار کوتاه مدت، شناسایی و تصحیح داده های نامناسب بار، مانده هنجار شده، برازش منحنیاطلاعات 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.