پیش بینی کوتاه مدت مصرف برق با استفاده از روش خود بازگشتی سیگنال

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 و برای برنامه ریزی در مدار قرار گرفتن نیروگاه ها، و مدیریت بار استفاده می شود و به دلیل تاثیرپذیری از روابط متعدد و متنوع غیرخطی بین تغییرات دوره ای روزانه و تغییرات مصرف بار از پیچیدگی خاصی برخوردار است. این پیش بینی در حد نیم ساعت الی یک ساعت یکی از مواردی است که کاربردهای زیادی در شبکه توزیع برق دارد. هدف از این تحقیق، انجام پیش بینی کوتاه مدت با استفاده از مدلسازی خود بازگشتی خطی است. دراین روش، داده های جمع آوری شده از یک پست 63kv با استفاده از روش فوق مدل خواهد شد. با استفاده از توابع خودهمبستگی خطای باقی مانده و معیار مجموع مربعات خطا، نشان داده خواهد شد که روش AR می تواند به خوبی داده را مدل کند. با توجه به اینکه، داده نا ایستادن می باشد، عملکرد روش ARIMA نیز مورد بررسی قرار می گیرد و رتبه بهینه مدل و بهترین طول داده جهت انجام مدل سازی نیز ارایه می شود. با توجه به پیش بینی صورت گرفته مرتبه مدل مناسب روش AR برابر 20 و مراتبه مدل مناسب روش ARIMA برابر ( 0 و 1 و 1 ) است. در مدل AR پیش بینی با خطای 10% صورت می گیرد که دارای مقدار خطا 38.1 و در روش ARIMA مقدار خطا 0.7277 می باشد و مقدار MSE روش شبکه عصبی 2.30 می باشد که روش ARIMA عملکرد بهتری را نشان می دهد.

کلیدواژه ها:

پیش بینی ، کوتاه مدت ، داده ، ARIMA ، AR