پیش بینی بار کوتاه مدت الکتریکی مبتنی رویکردی ترکیبی از شبکه های عصبی مصنوعی والگوریتم رقابت استعماری
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 632
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCECN01_216
تاریخ نمایه سازی: 7 بهمن 1393
چکیده مقاله:
یکی از راه های افزایش بهره وری انرژی الکتریکی تولید شده پیش بینی میزان بار مصرفی مورد نیاز می باشد. در پیش بینی کوتاه مدت ، با در نظر گرفتن محدودیت های های موجود، در مورد در مدار قرار گرفتن و همچنین ظرفیت تولید بهینه ی نیروگاه ها، باهدف کاهش اتلاف توان اضافه تصمیم گیری می شود. اطلاعات لازم برای انجام برنامه ریزی بهینه در تولید نیرو ، توسط پیش بینی میزان مصرف بار الکتریکی در زمان بندی های مشخص، در دسترس عوامل تولید قرار می گیرد. در این مقاله سعی شده است تا با یک رویکرد جدید مصرف بار الکتریکی پیش بینی شود. از آنجایی که مصرف بار الکتریکی به صورت پیچیده و غیر خطی تابعیاز پارامترهای مختلفی از قبیل شرایط آب و هوایی می باشد و منحنی بار در هر لحظه در حال تغییر می باشد، لذا پردازش داده ها باید به صورت آنلاین انجام شود. برای پردازش داده ها از یک رویکرد جدید که ترکیبی از الگوریتم رقابت استعماری و شبکه هایعصبی مصنوعی است استفاده گردید. الگوریتم رقابت استعماری با تقلید از روند تکامل اجتماعی، اقتصادی و سیاسی کشورها و بامدلسازی ریاضی بخشهایی از این فرایند، عملگرهایی را در قالب منظم به صورت الگوریتم ارائه میدهد که میتوانند به حل مسائل پیچیده بهینه سازی کمک کنند. در واقع این الگوریتم جواب های مسئله بهینه سازی را در قالب کشورها نگریسته و سعی میکند در طی فرایندی تکرار شونده این جوابها را رفته رفته بهبود داده و در نهایت به جواب بهینه مسئله برساند. نتایج نشان داد این رویکرد دارای پاسخ بهینه و مناسبی در پیش بینی کوتاه مدت بار الکتریکی می باشد.
کلیدواژه ها:
نویسندگان
محمد جمشیدی
عضو هیات علمی گروه مهندسی برق، دانشگاه آزاد اسلامی واحد گیلان غرب.
رضا حفیظی فرد
گروه مهندسی برق قدرت، دانشگاه آزاد اسلامی واحد علوم و تحقیقات یاسوج.
علی رشنو
گروه مهندسی برق، دانشگاه آزاد اسلامی واحد خرم آباد.
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 :