پیش بینی اوج مصرف برق ایران با استفاده از شبکه عصبی LSTM و ارزیابی اثر افزایش ظرفیت نیروگاه های تجدیدپذیر

در این پژوهش با هدف بهبود پیش بینی اوج مصرف برق ایران مدلی مبتنی بر شبکه های عصبی بازگشتی LSTM با ساختار توجه و یادگیری باقیمانده توسعه داده شد. داده های روزانه پیک بار همراه با ویژگی های تقویمی به کار رفت و عملکرد مدل با روش خط پایه Naive مقایسه گردید. نتایج نشان داد LSTM خطای نسبی را کاهش داده و روند بار را دقیق تر بازسازی می کند. همچنین سناریوی افزایش ۲۰% تولید تجدیدپذیرها اثر اندکی بر قله بار داشت اما نشان دهنده اهمیت سیاست های توسعه انرژی پاک در پایداری بلندمدت شبکه است.

کلیدواژه ها:

پیش بینی بار ، شبکه عصبی LSTM ، تجدیدپذیرها ، قله بار ، شبکه برق ایران