ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی روزانه مصرف بار الکتریکی ایران توسط مدلی جدید از ترکیب دو شبکه عصبی کوهونن

تعداد صفحات: 12 | تعداد نمایش خلاصه: 1437 | نظرات: 0
سال انتشار: 1383
کد COI مقاله: PSC19_103
زبان مقاله: فارسی
(فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.

قیمت این مقاله : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی روزانه مصرف بار الکتریکی ایران توسط مدلی جدید از ترکیب دو شبکه عصبی کوهونن

مهدی فرهادی - دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده برق
سیدمسعود تفرشی - دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده برق
ناصر وفادار - مرکز دیسباچینگ ملی ایران – تهران

چکیده مقاله:

در مقاله حاضر، ضمن ارائه مدلی جدید جهت پیش بینی کوتاه مدت بار الکتریکی شامل ترکیب دو شبکه عصبی کوهونن، مبانی اساسی جهت نگارش نرم افزاری برای پیش بینی روزانه بار مطرح شده است . این مدل که نسبت به عوامل محیطی نظیر درجه حرارت فعال می باشد قادر به پیش بینی کلیه روزهای سال اعم از ایام کاری هفته، تعطیلی آخر هفته ایام ماه رمضان و ... باخطای کم میباشد . مدل کلی مورد استفاده در نرم افزار پیش بینی بار از 10 زیرمدل برای پیش بینی روزهای هفته، روزهای تعطیل رسمی، روزهای قبل از تعطیل رسمی و روزهای پس از تعطیل رسمی تشکیل شده است . هر یک از زیرمدلهای دهگانه با بهره گیری از دو شبکه عصبی کوهونن مبادرت به پیش بینی بار روزانه می - نماید . پیش بینی در هر یک از این زیرمدلها شامل دو مرحله آموزش و پیش بینی می باشد . نرم افزار مزبور توسط بار و درجه حرارت ایران مورد آزمایش واقع گردیده است و متوسط قدرمطلق خطای کلیه روزهای غیر خاص سالهای 1381 ، 1380 و 1382 به ترتیب عبارت از % 1/73 ، % 1/68 و % 1/57 می باشد .

کلیدواژه ها:

شبكه عصبي كوهونن، پيش بيني بار، آموزش

کد مقاله/لینک ثابت به این مقاله

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/20706/

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:
فرهادی، مهدی و تفرشی، سیدمسعود و وفادار، ناصر،1383،پیش بینی روزانه مصرف بار الکتریکی ایران توسط مدلی جدید از ترکیب دو شبکه عصبی کوهونن،نوزدهمین کنفرانس بین المللی برق،تهران،،،https://civilica.com/doc/20706

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: (1383، فرهادی، مهدی؛ سیدمسعود تفرشی و ناصر وفادار)
برای بار دوم به بعد: (1383، فرهادی؛ تفرشی و وفادار)
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 ممقالهقاله لینک شده اند :

  • دکتر سید مسعود مقدس تفرشی، "پیش بینی میان مدت مصرف ... [مقاله کنفرانسی]
  • پیش بینی روزانه مصرف بار الکتریکی ایران توسط مدلی جدید از ترکیب دو شبکه عصبی کوهونن [مقاله کنفرانسی]
  • یاریان م.، مقدس تفرشی س.م:، "پیش بینی کوتاه مدت بار ...
  • جزوه درس دیسپاچینگ تالیف: آقای دکتر سید مسعود مقدس تفرشی ...
  • آشنایی با شبکه های عصبی تالیف: آر. بیل و تی ...
  • مهدی فرهادی، پایان نامه کارشناسی ارشد، دانشگاه صنعتی خواجه نصیرالدین ...
  • Mori H., Yuihara A. _ _ _ Determini stic Annealing ...
  • Leyan Xu . Wei Ji Chen _ "Artificial Neural Network ...
  • Bakirtzis A.G _ Theocharis J.B., Kiartzis S.J , Satsios K.J. ...
  • Srinivasan D. , LEE M.A , "Survey of Hybrid Fuzzy ...
  • M O gh addas-Tafre shi S, M, Muller H, Petritsch ...
  • Moghaddas - Tafreschi S.M. , Muller H. , Petritsch G., ...
  • Moghaddas - Tafreschi S.M. , Muller H. , Petritsch G., ...
  • Baumann T., Germond A.J., "Application of the Kohonen Network to ...
  • 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.

    کدام مقالات به این منبع استناد نموده اند

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 9,448
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    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