پیش بینی بار سالیانه شبکه انتقال ناحیه تهران با روش ترکیبی هوشمند
محل انتشار: کنفرانس بین المللی مهندسی برق
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 627
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICELE01_160
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
رشد سریع مصرف بار و یکپارچگی شبکه های انتقال قدرت ، انباشتگی میزان اطلاعات ورودی و خروجی برای برنامه ریزی و بهره برداری بهینه بهره برداران بیش از حد تصور بوده است به گونه ای که متولین امر به تنهایی قادر به اخذ تصمیات ضروری و فوری با سرعت عمل کافی نمی باشند. به همین دلیل شاهد گسترش و بکارگیری هرچه بیشتر علوم و نرم افزارهای سیستم های پیش بینی بار بوده که می تواند ابزار بسیار مناسبی برای حمایت از بهره برداران سیستم های قدرت و مراکز کنترل خصوصاً در ساعات پیک بار تابستان که مصرف به میزان حداکثر خود می باشد بسیار حایز اهمیت می باشد. شبکه های هوشمند روش های محاسباتی جدیدی برای یادگیری، ارایه دانش، و در انتها پیش بینی پاسخ های خروجی از شبکه های بزرگ قدرت را فراهم می نماید. شبکه های هوشمند خود به تنهایی قادر نخواهد بود پیش بینی مناسبی برای تمام ایام سال را ارایه نماید، از اینرو در این مقاله از روش های ترکیبی هوشمند(فازی ، ژنتیک ، شبکه های عصبی) به عنوان یکی از ابزارهای با دقت بالا و خطای پایین برای پیش بینی انواع داده های مختلف در شبکه انتقال تحت پوشش ناحیه تهران مورد استفاده قرار گرفته بنابر این برای پیش بینی بهتر و مناسبتر در شبکه های انتقال می بایست از سیستم های ترکیبی هوشمند استفاده گردد.ورودی ها، شامل داده های مهم از قبیل شرایط محیطی آب و هوایی منطقه تهران بوده که با روش ترکیبی طبقه بندی گردیده و جهت پیش بینی بار سالیانه شبکه انتقال ناحیه تهران مورد استفاده قرار گرفته است. خروجی میزان دقیق بار سالیانه ناحیه تهران را در فصول مختلف را نشان داده و نتایج پیش بینی از دقت بسیار بالایی برخوردار می باشد
کلیدواژه ها:
نویسندگان
حسن عبدالرضایی
شرکت برق منطقه ای تهران، معاونت بهره برداری ، امور دیسپاچینگ منطقه ای
یاسر خضری زعفرانیه
شرکت برق منطقه ای تهران، معاونت بهره برداری ، امور دیسپاچینگ منطقه ای
علیرضا تیموری
شرکت برق منطقه ای تهران، معاونت بهره برداری ، امور دیسپاچینگ منطقه ای
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 :