پیش بینی کوتاه مدت بار مصرفی به وسیله شبکه عصبی مصنوعی مبتنی بر آموزش الگوریتم ژنتیک

اقتصاد و دنیای رقابتی امروز به شدت به انرژی الکتریکی وابسته است. از طرفی محدودیت منابع اولیه قابل تبدیل به انرژی الکتریکی، هزینه زیاد تولید و پایین بودن راندمان پروسه تبدیل، دست اندرکاران امور انرژی الکتریکی را به اتخاذ سیاست های بهینه برای زمان بندی تولید و تعادل عرضه و تقاضا انرژی الکتریکی ملزم می کند. در این مقاله ابتدا روش مطلوب برای یافتن الگوی حاکم بر مصرف و تحلیل آن، جهت پیش بینی مقدار انرژی الکتریکی مورد نیاز با کمترین خطا بیان گردیده است. بدین منظور از شبکه های عصبی پرسپترون چندلایه که توانایی خود را در تقریب توابع غیرخطی نشان داده است استفاده شده است. الگوریتم تکاملی ژنتیک نیز برای آموزش شبکه عصبی، مورد استفاده قرار گرفته است. الگوریتم ژنتیک به عنوان یکی از معروف ترین الگوریتم های بهینه سازی توانسته است خطای پیش بینی بار مصرفی را به کمترین مقدار خود برساند. در آخر توانسته ایم مقادیر پیک بار مصرفی را در روزهای آتبی به طور قابل قبولی پیش بینی کرده، تا بتوان به مدیریت مناسبی در روزهای آتی برای بار مصرفی رسید.

کلیدواژه ها:

پیش بینی ، بار مصرفی ، شبکه عصبی ، الگوریتم ژنتیک