پیش بینی بار پیک روزانه بر مبنای مدل انتخاب ویژگی و شبکه عصبی LSTM

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 195

فایل این مقاله در 7 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:

CLEANENERGY09_060

تاریخ نمایه سازی: 26 آبان 1403

چکیده مقاله:

پیش بینی بار الکتریکی یکی از مسائل مهم در برنامه ریزی سیستم قدرت است. به کمک پیش بینی بار الکتریکی و پیش بینی بار پیک می توان قابلیت اطمینان و امنیت شبکه قدرت را بهبود بخشید و برنامه ریزی مناسبی برای مدیریت بار در زمان های پیک بار الکتریکی داشت. از این رو مساله پیش بینی بار الکتریکی پیک از گذشته تا کنون به یکی از مسائل مهم و پرچالش بدل گشته است. در این مقاله از یک روش ترکیبی با استفاده از اطلاعات تاریخی بار الکتریکی و بر مبنای پیش پردازش داده ها به کمک شبکه های عصبی برای تخمین بار پیک الکتریکی روزانه استفاده شده است. پیش پردازش داده ها شامل استفاده از تبدیل موجک و روش انتخاب ویژگی است که منجر به کاهش ابعاد داده های ورودی و تسریع در حل مساله پیش بینیمی گردد. شبکه های عصبی مورد استفاده مدل MLP و شبکه عصبی LSTM می باشد. مدل پیشنهادی بر روی داده های سال ۲۰۱۸ بازار برق PJM آزمایش شده اند که نتایج نشان می دهد بهخوبی از پس پیش بینی بار پیک روزانه برآمده اند.

کلیدواژه ها:

نویسندگان

رسول شجاعی

دانشجوی کارشناسی ارشد مهندسی برق، برنامه ریزی و مدیریت سیستم های انرژی الکتریکی،دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

فرشید کی نیا

دانشیار گروه مدیریت و بهینه سازی انرژی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی،دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

غلامرضا معمارزاده

استادیار گروه مهندسی برق، دانشکده مهندسی،دانشگاه ولیعصر رفسنجان، رفسنجان