پیش بینی مصرف انرژی الکتریکی استان گیلان با استفاده از مد ل میانگین متحرک یکپارچه خودگردان فصلی
- سال انتشار: 1392
- محل انتشار: دهمین کنفرانس بین المللی مهندسی صنایع
- کد COI اختصاصی: IIEC10_229
- زبان مقاله: فارسی
- تعداد مشاهده: 1003
نویسندگان
دانشجوی دکتری مهندسی صنایع، دانشکده ی مهندسی صنایع دانشگاه تهران
دانشجوی دکتری مهندسی صنایع، دانشکده ی مهندسی صنایع دانشگاه تهران
دانشیار،گروه مهندسی صنایع، پردیس دانشکده های فنی، دانشگاه تهران
چکیده
تعادل پیوسته عرضه و تقاضا در بازار برق از اهمیت ویژه ای برخوردار است. از آنجایی که هیچ گونه قابلیت ذخیره سازی برای برق در شبکه وجود ندارد لذا بایستی تولید و مصرف این انرژی کاملا همزمان صورت گیرد. باتوجه به افزایش تقاضای انرژی الکتریکی، تخمین و پیش بینی تابع تقاضای این انرژی ضروری است. در نتیجه با پیش بینی درست رفتار مصرف برق، می توان برنامه ریزی درستی برای تولید برق انجام داد. در این مقاله به پیش بینی میزان مصرف برق شرکت سهامی برق منطقه ای گیلان با استفاده از مدل های سری زمانی پرداخته می شود. با توجه به رفتار داده ها، مدل سری زمانی SARIMA برای پیش بینی مصرف انرژی الکتریکی برازش شده است. همچنین در این بررسی برای تجزیه و تحلیل داده ها از نرم افزار Eview’s استفاده شده است.کلیدواژه ها
پیش بینی مصرف برق، سری های زمانی، مدل میانگین متحرک یکپارچه خودگردان فصلی،Eview’sمقالات 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.