پیش بینی قیمت بار در بازار برق مبتنی بر شبکه های عصبی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 454

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_0805

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

در بازار برق خصوصی قیمت برق انحصاراً توسط کمپانی تعیین نمی شود بلکه وابسته به بازار و شرایط کاری می باشد. ارائه مقدار موردنیاز برق در زمان معین و با قیمت های پیشنهادی مناسب یکی از راه حل های کلیدی برای کمپانی های تولید کننده توان است که بیشینه کردن سود خود در شرایط بازار خصوصی برق را دنبال می کنند. رهیافت های مبتنی بر شبکه های عصبی ابزار پیش بینی مناسبی برای محیط هایی بادرجه غیرخطی بالا می باشند. اگرچه روش هایی برای پیش بینی قیمت تعادلی بازار در کوتاه مدت وجود دارد، با این حال تعداد کمی از آنها برای پیش بینی میان مدت مورد استفاده قرار می گیرند. در این مقاله شبکه عصبی مصنوعی پیشنهاد می شود که می تواند برای پیش بینی کوتاه مدت و میان مدت قیمت برق بکار گرفته شود. شبکه عصبی پیشنهادی می تواند قیمت تعادلی برق را براساس تقاضای ساعتی، تقاضای پیک روزانه، قیمت گاز و میزان رطوبت و دمای هوا بعنوان ورودی های شبکه پیش بینی نماید. تنظیم مناسب پارامترهای مؤثر در پیش بینی از عوامل مهم و تاثیرگذار بر پیش بینی قیمت است.

کلیدواژه ها:

بازار برق ، پیش بینی قیمت برق ، شبکه عصبی

نویسندگان

حمید نشاط قالیباف

گروه مهندسی برق، واحد کیش، دانشگاه آزاد اسلامی واحد کیش، ایران

محسن سیماب

گروه مهندسی برق، واحد مرودشت، دانشگاه آزاد اسلامی، مرودشت،ایران

مهدی سیاهی

گروه مهندی 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 :
  • dmahmoudi, S. H.(2013). Optimum yeث [9] Azadeh, A., Moghaddam, M., ...
  • Zie, ba, M. M., Tomczak, J. M., Lubicz, M. & ...
  • life expectancy in the lung cancer patients .Applied Soft Computing, ...
  • Chaabane, N. A hybrid ARFIMA and neural network model for ...
  • prediction. International Journal of Electrical Power and Energy Systems, 55, ...
  • (Eds.), Quantitative _ finance (pp. 137-155). Springer. ...
  • Kowal ska-Pyzalska, _ Maciejowska, K., Suszczyhski, K., Sznaj d-Weron, K., ...
  • R.weron, "Electricity price forecasting: A review of the state-of-the-ar with ...
  • Anbazhagan, S., & Kumarappan, N. Day-ahead deregulated electricity market price ...
  • Arvesen, T., Medbs, V., Fleten, S.-E., Tomasgard, A., & Westgaard, ...
  • jBhar, R., Colwell, D. B., & Xiao, Y. (2013). A ...
  • Schweppe FC, Caraminis MC, Tablors RD, Bohn RE. Spot pricing ...
  • Yao SJ, Song YH, Zhang LZ, Cheng XY. Prediction of ...
  • Box GEP, Jenkins GM, Reinsel GC. Time series analysis: forecasting ...
  • Moghram I, Rahman S. Analysis and evaluation of five short-term ...
  • Guo Jau-Jia, Luh PB. Improving market clearing price prediction by ...
  • Guo Jau-Jia, Luh PB. Selecting input factors for clusters of ...
  • Gao F, Cao X, Pap alexopoulous A. Forecasting power market ...
  • Zhang L, Luh PB. Neural network-based market clearing price prediction ...
  • Yamin HY, Shahidehpour SM, Li Z. Adaptive short-term electricity price ...
  • Lora AT, Santos Jose R, Santos Jesus R, Ramos JLM, ...
  • Bunn DW. Forecasting loads and prices in competitive power markets. ...
  • نمایش کامل مراجع