پیش بینی بار کوتاه مدت شبکه برق ایران با درنظر گرفتن شرایط خاص نظیر روزهای قبل و بعد و بین تعطیلی و سالهای کبیسه و تهیه قوانین خبره فازی

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,959

فایل این مقاله در 12 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:

PSC22_228

تاریخ نمایه سازی: 15 اردیبهشت 1386

چکیده مقاله:

مدیریت تولید و توزیع انرژی الکتریکی باید براساس تطبیق عرضه بر تقاضای انرژی برق، اقدام به برنامه ریزی، بهره برداری و سرمایه گذاری بهینه نماید . لذا در برنامه ریزی آینده یک سیستم قدرت، پیش بینی بار از اهمیت ویژه ای برخوردار بوده و باید میزان خطای آن تا حد امکان کاهش یابد . دقت نتایج این پیش بینی بر هزینه تولید و همچنین میزان خاموشی در سیستم قدرت تأثیرگذار می باشد . با راه اندازی بازار برق در شبکه ایران، شرکتهای برق منطقه ای و در ادامه شرکتهای توزیع که به منزله خریدار محسوب می شوند می بایست نیاز مصرف ساعت به ساعت کل شبکه تحت پوشش خود را در روزهای آتی پیش بینی و ارائه نمایند . بدین ترتیب دقت پیش بینی، ضمن بهبود بهره برداری از شبکه تحت پوشش از تخصیص جرایم مربوطه نیز جلوگیری می نماید . علاوه بر بحث خرید و فروش انرژی در بازار برق، یک مرکز دیسپاچینگ یا بهره بردار مستقل سیستم 1 نیز به منظور اجرای برنامه بازار و آرایش تولید واحدهای شبکه به پیش بینی بار مختص خود نیاز دارد . تجارب پیشین نشان داده است که انجام پیش بینی بار شبکه برق ایران با شبکه های عصبی با توجه به وجود دو تقویم شمسی و قمری در موارد خاصی همچون روزهای بین تعطیلی، قبل و بعد از تعطیلی و تعطیلی های پیاپی، روزهای غیرتعطیل اوایل فروردین و روز 30 اسفند در سالهای کبیسه با توجه به شرایط خاصی که دارند، اغلب دارای خطای زیاد خواهد بود . این خطای زیاد در پیش بینی بار اینگونه موارد خاص، لزوم کاربرد روشهای دیگر برای افزایش دقت و بهبود خطای پیش بینی را نشان می دهد

کلیدواژه ها:

بازار برق ، بهره بردار مستقل سیستم ( دیسپاچینگ ) ، پیش بینی بار کوتاه مدت ، شبکه عصبی ، سیستم خبره فازی

نویسندگان

سیما کمانکش

پژوهشکده برق - پژوهشگاه نیرو تهران

سعیده برقی نیا

پژوهشکده برق - پژوهشگاه نیرو تهران

آزاد غفاری

پژوهشکده برق - پژوهشگاه نیرو تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • سعیده برقی‌نیا، حسن حبیبی قراخیلی، علیمحمد رنجبر، پویا انصاری‌مهر، ناصر ...
  • گروه پژوهشی مطالعات سیستم، "تکمیل سیستم خبره طراحی شده جهت ...
  • M.Hoskawa, Y.ITO, T.Hodhi, ، A Remote Sensing Data Classification Method ...
  • M.Endo, M.Uendo, T & M _ Yamamoto , 'Clustering Method ...
  • نمایش کامل مراجع