پیش بینی بار سالیانه شبکه انتقال ناحیه تهران با روش ترکیبی هوشمند
- سال انتشار: 1395
- محل انتشار: کنفرانس بین المللی مهندسی برق
- کد COI اختصاصی: ICELE01_160
- زبان مقاله: فارسی
- تعداد مشاهده: 683
نویسندگان
شرکت برق منطقه ای تهران، معاونت بهره برداری ، امور دیسپاچینگ منطقه ای
شرکت برق منطقه ای تهران، معاونت بهره برداری ، امور دیسپاچینگ منطقه ای
شرکت برق منطقه ای تهران، معاونت بهره برداری ، امور دیسپاچینگ منطقه ای
چکیده
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 باشدکلیدواژه ها
بار سالیانه، ناحیه تهران ، شبکه انتقال تحت پوشش ناحیه تهران ، روش ترکیبی هوشمند، سیستم قدرتمقالات مرتبط جدید
- بهینه سازی مدیریت انرژی در ریزشبکه ها با استفاده از الگوریتم های هوش مصنوعی
- مبانی، کاربردها و چالشهای یادگیری مشارکتی و تحلیل تجربی و مقایسه ابزارهای یادگیری فدرالی در پیاده سازی مدلهای یادگیری ماشین
- راهکارهای مبتنی بر هوش مصنوعی برای بهره وری انرژی در تولید سیمان: یک بررسی جامع
- معماری اینترنت اشیا مبتنی بر هوش مصنوعی در مدیریت انرژی هوشمند
- سیستم های EMS/BMS در ساختمان های ZEB و نمونههای اجرا شده آن در سطح جهانی
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.