استفاده از روش های ترکیبی هوشمند جهت پیش بینی بار در شبکه های توزیع انرژی الکتریکی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,094

فایل این مقاله در 11 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:

ELEMECHCONF03_0626

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

پیش بینی بار یک فرایند مرکزی و جامع در برنامه ریزی و بهره بردار صنعت برق است و روش های زیادی در دهه اخیر برای به کارگیری این مسئله بررسی شده اند. پیش بینی بار صحیح علاوه بر صرفه جویی در هزینه سرمایه گذاری امکان برنامه ریزی زمانی مناسب جهت اجرای پروزه را فراهم می نماید. از انجایی که هریک از عوامل دما، زمان، روزهای تعطیل، فصول سال، مسائل اقتصادی و قیمت تمام شده انرژی برق نقش مؤثری بر پارامترهای بار شبکه دارد، نیاز برای ارائه یک روش جامع که بتواند تمامی موارد را لحاظ نماید. با توجه به گستردگی شبکه های توزیع و تنوع الگوهای بار در آن، انتخاب روش های هوشمند از قبیل سیستم های خبره عصبی- فازی امری حیاتی و اجتناب ناپذیر خواهد بود. به منظور کاربردی تر شدن روش ارائه شده، الگوهای بار بصورت دسته های مختلف روزهای کاری و تعطیل در نظر گرفته شده اند. براساس روش پیشنهادی به کمک نرم افزار MATLAB، جهت پیش بینی بار کوتاه مدت و میان مدت بطور مناسب و مطلوب ارائه شده است. سپس با انتخاب نمونه هایی از مقالات مرجع و داده های واقعی شرکت توزیع، برنامه تهیه شده اجرا و نتایج آن مورد ارزیابی قرار گرفته شده است.

کلیدواژه ها:

نویسندگان

جواد طاهری

استفاده از روش های ترکیبی هوشمند جهت پیش بینی بار در شبکه های توزیع انرژی الکتریکی و گروه مهندسی برق، واحد بین المللی کیش، دانشگاه آزاد اسلامی، جزیره کیش، ایران

محسن سیماب

استفاده از روش های ترکیبی هوشمند جهت پیش بینی بار در شبکه های توزیع انرژی الکتریکی و گروه مهندسی برق، واحد مرودشت، دانشگاه آزاد اسلامی، مرودشت، ایران

مهدی سیاهی

استفاده از روش های ترکیبی هوشمند جهت پیش بینی بار در شبکه های توزیع انرژی الکتریکی و گروه مهندسی برق، واحد گرمسار، دانشگاه آزاد اسلامی، گرمسار، ایران

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 :
  • Meng- Hui, Hung-Cheng, Kuei-Hsiang and Kuo-Hua, "Combined Extension Neural Network ...
  • Hongze Li, Liuyang Cui, and SenGuo, "A Hybrid Short-Term Power ...
  • Ibrahim Moghram, SaifurRahrnan, "Analysis And Evaluation of Five Short-Term Load ...
  • Muhammad Buhari, IAENG and S anusiS aniAdamu, "Short-Term Load Forecasting ...
  • A.J. Al-Shareef, E.A. Mohamed and E.Al-Judaibi, "Next 24-Hours Load Forecasting ...
  • A. Badri, Z. Ameli, A.MotieBirj andi, "Application of Artificial Neural ...
  • SamsherKadr Sheikh1, M. G. Unde2 Short-Term Load Forecasting Using Ann ...
  • Kumaran Kumar، G. Ravi, PhD، R. Rajkumar. Neural-Fuzzy Approach for ...
  • نمایش کامل مراجع