برآورد برق مصرفی ایران با استفاده از شبکه عصبی عمیق LSTM

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 32

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CONFIT01_0741

تاریخ نمایه سازی: 4 مهر 1403

چکیده مقاله:

انرژی یکی از عوامل مهم در رشد و توسعه اقتصاد کشور است و انرژی برق یکی از مهم ترین انرژی ها است . افزایش تولید برق از عوامل توسعه یک کشور به شمار می آید. از طرفی انرژی برق به گونه ای است که امکان ذخیرهکردن آن وجود ندارد و می بایست در هر لحظه ، تولید آن با مقدار تقاضا متناسب باشد. ازاین رو مدلسازی و پیش بینی میزان مصرف برق می تواند برای دولت این اهمیت را داشته باشد که برآوردی از میزان نیاز به انرژی برق را داشته و اقدامات لازم در جهت تولید بیشتر، رفع نیاز داخلی و صادرات این انرژی اقدام نماید. جهت این پیادهسازی به جای بهره گیری از یک LSTM سری از ۱۰ LSTM به صورت موازی استفادهشده است تا دقت پیش بینی افزایش یابد. در این پژوهش به کمک روش یادگیری عمیق و روش LSTM پیش بینی برق مصرفی بادقت مناسب و خطای کمتر از ۰۲,۰ در معیار RMSE دست یافته ایم . جهت این پیادهسازی به جای بهرهگیری از یک LSTM سری از ۱۰ LSTM به صورت موازی استفادهشده است تا دقت پیش بینی افزایش یابد.

کلیدواژه ها:

پیش بینی برق مصرفی ، یادگیری عمیق ، .LSTM

نویسندگان

هیراد تاجور

دانشگاه آزاد اسلامی واحدلاهیجان

سودابه پورذاکرعربانی

دانشگاه آزاد اسلامی واحدلاهیجان