پیش بینی میان مدت میزان مصرف بار الکتریکی توسط شبکه های فازی عصبی
محل انتشار: دوازدهمین کنفرانس بین المللی برق
سال انتشار: 1376
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,790
فایل این مقاله در 12 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:
PSC12_096
تاریخ نمایه سازی: 25 شهریور 1386
چکیده مقاله:
پیش بینی منحنی مصرف بار الکتریکی برای برنامه ریزی و بهره برداری بهینه در سیستمهای قدرت نقش مهمی را ایفامی نماید . در این مقاله ابتدا مدلی که با استفاده از شبکه های عصبی و مجموعه های فازی ، برای پیش بینی میان مدت تایکسال منحنی مصرف بار روزانه ومشتق از آن ، انرژی مصرفی روزانه و هفتگی و نیز حداکثر بار روزانه و هفتگی ، به منظور برنامه ریزی بهینه سالیانه در سیستمهای قدرت ، ساخته و به صورت برنامه کامپیوتری بسط داده گردیده است ، تشریح می گردد و پس از آن قابلیت این مدل با ارائه تعدادی از نمونه نتایج حاصله با اطلاعات مربوط به دو شرکت تولید کننده برق اتریشی وآلمانی نمایش داده می شود .
در مدل ساخته شده برای پیش بینی میان مدت ابتدا منحنی های روزانه بار، متعلق به سالهای گذشته ، توسط شبکه عصبی خودمختار 1Kohonen ، با روش یادگیری بدون معلم 2 ، به گروههای مختلف تقسیم می شوند . این گروهها هر کدام منحنی روزهایی را شامل می گردند که دارای ساختمانی ً نسبتا مشابه با یکدیگر می باشند . سپس برای مدل کردن وابستگی غیرخطی منحنی های روزانه مصرف بار از عوامل بیان کننده آن ، و فراهم آوردن امکان پیش بینی این منحنی ها در شرایط جدید، از شبکه عصبی چند لایه ای 3 ، با روش یادگیری با معلم 4 ، استفاده می گردد . استفاده از مجموعه های فازی و به طور خاص در این مدل ، استفاده از سه تابع تعلق پوشاننده 5 ، برای فازی کردن 6 ، پارامترهای نادقیق ، و پیوند آن با شبکه های عصبی ، امکان پردازش اطلاعات نادقیق و یا کیفی ، مانند درجه حرارت هوا را در مدل بسط داده شده ، فراهم گردانده است
کلیدواژه ها:
پیش بینی بار کلاسه بندی منحنی های روزانه بار شبکه های عصبی - مجموعه های فازی
نویسندگان
سیدمسعود مقدس تفرشی
Landis & Gyr Austria شرکت
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 :