MEDIUM-TERM LOAD FORECASTING FOR ANNUAL OPERATION IN ELECTRIC POWER SYSTEM USING FUZZY-NEURAL NETWORKS
- سال انتشار: 1376
- محل انتشار: دوازدهمین کنفرانس بین المللی برق
- کد COI اختصاصی: PSC12_045
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1644
نویسندگان
SEYED-MASOUD MOGHADDAS-TAFRESHI
Landis & Gyr Austria Vienna-Austria
چکیده
The paper outlines a framework for mid-term prediction based on a hybrid fuzzy-neural approach: The first step to get estimates of typical daily load curves for one year in advance as needed in medium-term operation planning is the classification of characteristic load profiles for different daytypes. For this clustering a self-organized Kohonen-network with unsupervised learning is used. The result of the analysis which is performed separately onnormalized-load curves from summer and winter season, are load profile classes for the various types of days Mondays, working days, Saturdays, holidays). In a second step a weather-load-correlation model is identified on behalf of a multilayer perceptron with supervised backpropagation learning mode to enable different scenarios for various (fuzzy) assumptions about weather conditions. The input-layer neurons corresponding to explaining weathervariables are fed with temperature values. To account for the nonprecise character0f input data the temperature values are fuzzified by a fuzzy front-end processor.In the final section of the paper results and experiences obtained by tuning the etwork with A real test data from two different electric power utilities are presented to demonstrate the effectiveness of the proposed fuzzyneural forecasting methodology.کلیدواژه ها
مقالات مرتبط جدید
- بررسی پدیده خشکسالی در استان خوزستان با استفاده از شاخص بارش استانداردSPI
- طبقه بندی تومورهای مغزی از تصاویر MRI با شبکه کانولوشن و روش های آموزش انتقال
- افزایش راندمان یک مبدل ترکیبی توان بالا با استفاده از تکنیک ZCT در عملیات سوئیچینگ نرم
- GNRFET-based Voltage Controlled Ring Oscillator Using GDI NAND Gate
- مقابله با اثرات جدا شدنی ناگهانی توربین گازی از شبکه سراسری، با استفاده از سیستم فازی ریزش بار بر پایه شبکه عصبی
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.