Estimation of Electricity Demand in Residential Sector Using Genetic Algorithm Approach
- سال انتشار: 1390
- محل انتشار: فصلنامه بین المللی مهندسی صنایع و تحقیقات تولید، دوره: 22، شماره: 1
- کد COI اختصاصی: JR_IJIEPR-22-1_005
- زبان مقاله: انگلیسی
- تعداد مشاهده: 688
نویسندگان
Assistance professor, Tarbiat Modares University, Tehran, Iran
PhD student, Tarbiat Modares University, Tehran, Iran
MSc of electricity restructure - Power and water University of technology
چکیده
This paper aimed at estimation of the per capita consumption of electricity in residential sector based on economic indicators in Iran. The Genetic Algorithm Electricity Demand Model (GAEDM) was developed based on the past data using the genetic algorithm approach (GAA). The economic indicators used during the model development include: gross domestic product (GDP) in terms of per capita and real price of electricity and natural gas in residential sector. Three forms of GAEDM were developed to estimate the electricity demand. The developed models were validated with actual data, and the best estimated model was selected on base of evaluation criteria. The results showed that the exponential form had more precision to estimate the electricity demand than two other models. Finally, the future estimation of electricity demand was projected between 2009 and 2025 by three forms of the equations; linear, quadratic and exponential under different scenarios.کلیدواژه ها
Electricity demand, Genetic algorithmمقالات مرتبط جدید
- بررسی تاثیر تیم پروژه بر عملکرد مالی با در نظر گرفتن نقش میانجی موفقیت در مدیریت پروژه
- پیش بینی دمای هوا با استفاده از شبکه توابع پایه شعاعی
- پیش بینی آنلاین رسوب خاکستر در سطح گرمایشی بویلر بر اساس تحلیل موجک و رگرسیون بردار پشتیبان
- پیش بینی قیمت سکه و طلا با استفاده از یادگیری ماشین و داده های موجود در بستر اینترنت
- آینده هوش مصنوعی: فرصت ها و چالش ها
اطلاعات بیشتر در مورد 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.