ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی کوتاه مدت بارسیستان و بلوچستان به روش ماشین بردار پشتیبان با ثابت نو

سال انتشار: 1395
کد COI مقاله: TEDECE02_189
زبان مقاله: فارسیمشاهد این مقاله: 237
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی کوتاه مدت بارسیستان و بلوچستان به روش ماشین بردار پشتیبان با ثابت نو

عدنان امیدی - دانشجوی کارشناسی ارشد دانشگاه سیستان وبلوچستان
سیدسعید توکلی افشار - عضو هیئت علمی دانشگاه سیستا و بلوچستان ،
سیدمسعود برکاتی - عضو هیئت علمی دانشگاه سیستا و بلوچستان ،

چکیده مقاله:

پیش بینی کوتاه مدت مصرف بار الکتریکی، نقش اساسی در بهره برداری بهینه از سیستم قدرت ایفا می کند . عملکرد اقتصادی و قابلیت اطمینان یک شبکه وابستگی قابل ملاحظه ای به دقت پیش بینی بار دارد. در عمل پیش بینی کوتاه مدت بار الکتریکی به دلیل تاثیر پذیری از عوامل متعدد و متنوع غیر خطاینظیر تغییرات دوره ای روزانه و هفتگی از پیچیدگی خاصی برخوردار است. روش مبتنی بر رگرسیو بردار پشتیبان به علت توانایی بسیار زیادی که در بیان روابط غیر خطی دارد، یک راه حل مناسب در امر پیش بینی کوتاه مدت بار است. در این مقاله، روشی جدید به نام ماشین بردار پشتیبا با ثابت نو معرفی شده است سپس از داده های سیستا و بلوچستا برای بررسی عملکرد این روش استفاده شده است. نتایج نشان دهنده ی این است که روش پیشنهادی عملکرد بهتری نسبت به روشهای متداول مثل ماشین بردار پشتیبا با ثابت اپسیلو و شبکه عصبی مصنوعی دارد. در نتیجه از این روش به عنوان روشی جدید برای پیش بینی کوتاه مدت بار می توان استفاده کرد

کلیدواژه ها:

ماشين بردار پشتيبان – شبكه عصبي مصنوعي-پيش بيني كوتاه مدت بار

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/509399/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
امیدی، عدنان و توکلی افشار، سیدسعید و برکاتی، سیدمسعود،1395،پیش بینی کوتاه مدت بارسیستان و بلوچستان به روش ماشین بردار پشتیبان با ثابت نو،دومین کنفرانس ملی فناوری، انرژی و داده با رویکرد مهندسی برق و کامپیوتر،کرمانشاه،،،https://civilica.com/doc/509399

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1395، امیدی، عدنان؛ سیدسعید توکلی افشار و سیدمسعود برکاتی)
برای بار دوم به بعد: (1395، امیدی؛ توکلی افشار و برکاتی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • Jingfei Yang, Power System Short-term Load University, ...
  • pouli Murlo, Neural network models for short- term load forcasting" ...
  • sensitive method for short-term load forecasting in electric power utility ...
  • T. Haida, S. Muto., Regression based peak load forecasting using ...
  • C onferenc e-TED 2016 1-2 June, Kermanshah, Iran ...
  • Transactions on Power Systems, Vo I.9, pp. 1788 _ I794, ...
  • M.Y. Cho, J.C. Hwang, C.S. Chen, . Customer short- term ...
  • EMPD, Vol. 1, pp.3 17 - 322, 1995. ...
  • H.T.Yang, C.M. Huang, C.L. Huang.. Identification of ARMAX model for ...
  • K.L. Ho et al, Short-term load forecasting of Taiwan power ...
  • S. Rahman, O. Hazim, . Load forecasting for multiple sites: ...
  • _ V. Miranda, C. Monteiro, . Fuzzy inference in spatial ...
  • electrical load forecasting using a fuzzy ARTMAP neural network , ...
  • A.G.Bakirtzis, et al, A neural network short-term load forecasting model ...
  • Theory, Springer. New York, Verlag, 1995 ...
  • B. Scholkopf, A. Smola, R. C. Williamson, and P. L. ...
  • M.Mohandes. , Support Vector Machines for Short- Term Electrical Load ...
  • B.J.Cheno, m.W.Chang, C.J.Lin., Load Forecasting using Support Vector Machines Study ...
  • C onferenc e-TED 2016 1-2 June, Kermanshah, Iran ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 9,631
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی