تحلیل و پیش بینی رفتار مصرف برق مشترکین با استفاده از شبکه عصبی مبتنی بر تکنیک بهینه سازی صفحات شیب دار فازی

امروزه با توجه به مشکل ذخیره سازی انرژی الکتریکی، پیش بینی میزان بار الکتریکی مورد نیاز به منظور داشتن یک شبکه توزیع برق مطمین و پایدار حیاتی است. مشترکین برق یکی از اصلی ترین ارکان زنجیره عرضه برق می باشند. در صورت داشتن یک پیش بینی مناسب و دقیق می توان از هدر رفت منابع مالی ناشی از افزایش هزینه های عملیاتی جلوگیری نمود. از سوی دیگر، با توجه به حجم انبوه داده های مصرف مشترکین و عوامل موثر، تنها می توان با استفاده از ابزارهای نوین فن آوری اطلاعات همچون داده کاوی به تجزیه و تحلیل داده ها پرداخت. ابزار داده کاوی به استخراج الگوها و دانش پنهان از داده ها جهت یک پیش بینی درست می پردازد. هدف این پژوهش پیش بینی برق مشترکین شرکت توزیع نیروی برق خراسان جنوبی و تحلیل رفتار مصرفی آنها تحت تاثیر عوامل آب و هوایی و دیگر متغیرهای زمانی می باشد. برای این منظور با استفاده از داده های مصرفی چهارساله پست های توزیع استان ، پیش بینی کننده های شبکه عصبی را در سه حالت ( پیش فرض متلب، بهینه شده با IPO ، بهینه شده با FuzzyIPO ) بر روی داده های موجود اجرا نموده و نتایج حاصل از اجرای هر الگوریتم براساس معیارهای ارزیابی خطای پیش بینی مانند میانگین مجموع قدرمطلق خطاها مورد بررسی و مقایسه قرار گرفت. لازم به ذکر است در دو حالت پیشنهادی بهینه سازی وزن های شبکه و داده ها با استفاده از الگوریتم بهینه سازی صفحات شیبدار و ترکیب شده این الگوریتم با منطق فازی صورت گرفته است. نتایج شبیه سازی نشان می دهند که پیش بینی های انجام شده با دو روش پیشنهادی به مراتب اعتبار بیشتری نسبت به پیش بینی صورت گرفته با شبکه عصبی پیش فرض متلب داشته است. و از بین دو شبکه پیشنهادی دقت شبکه بهینه شده بر پایه FuzzyIPO نیز به مراتب بالاتر می باشد.س

کلیدواژه ها:

پیش بینی ، مصرف برق مشترکین ، بهینه سازی ، رگرسیون ، شبکه عصبی ، استخراج ویژگی ، خوشه بندی