سیدمجتبی روحانی - استادیار دانشگاه آزاد اسلامی واحد گناباد دفتر تحقیقات و استانداردهای شرکت

در این مقاله با استفاده از شبکه عصبی خودسازمانده کوهونن به بررسی داده های بار ساعتی شبکه پرداخته و با تحلیل نتایج، تعداد و نوع دسته بندی های الگوهای بار ساعتی شبکه ب ه دست می آید . این نتایج را می توان در هر برنامه پیش بینی بار ساعتی کوتاه مدت شبکه به منظور کاهش خطای پیش بینی ب ه کار برد . تحلیل نتایج برای بار ساعتی شبکه خراسان، نشان می دهد که الگوهای بار روزانه این شبکه را می باید به شش دسته متفاوت بر حسب روزهای کاری و روزهای تعطیل و برای ماه های گرم ( خرداد، تیر و مرداد ) ، ماه های معتدل ( فروردین، اردیبهشت و شهریور ) و ماه های سرد ( مهر تا اسفند ) تقسیم بندی نمود .

پیش بینی بار، دسته بندی الگو، شبکه عصبی کوهونن