کاربرد مدل بهبود یافته ی تیوری خاکستری در پیش بینی بار برای استفاده بهینه از منابع انرژی با استفاده از الگوریتم KH
محل انتشار: چهارمین کنفرانس ملی و دومین کنفرانس بین المللی پژوهش های کاربردی در مهندسی برق، مکانیک و مکاترونیک
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 348
فایل این مقاله در 11 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELEMECHCONF04_450
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
مشکلات حاد زیست محیطی و کمبود شدید منابع انرژی سنتی استفاده بهینه از انرژی را یک مساله بسیار مهم تبدیل کرده است. در این مقاله از تیوری خاکستری برای پیش بینی دقیق تقاضا به منظور استفاده در مدیریت بهینه انرژی استفاده شده است. در آینده نزدیک، حجم عرضه منابع انرژی مانند زغال سنگ، نفت و گاز به شدت کاهش می یابد و در آینده ای نه چندان دور به پایان می رسند. از طرفی دیگر، تامین انرژی از منابع تجدید پذیر مانند انرژی خورشیدی، آبی، انرژی زمین گرمایی، زیست توده و باد در حال افزایش است. با رشد جمعیت میزان تقاضا برای مصرف انرژی الکتریکی رو به افزایش است، با توجه به این که با تکنولوژی های موجود هنوز نمی توان ذخیره انرژی الکتریکی را در ابعاد بزرگ امکان پذیر نمود، بنابراین برنامه ریزی تولید باید در راستای استفاده بهینه از منابع انرژی برای پیش بینی تقاضا باشد. این امر زمانی تحقق می یابد، که مدلی دقیق برای پیش-بینی بار موجود باشد. مدل خاکستری یکی از مدل های پیش بینی می باشد. در این مقاله الگوریتم بهینه سازی KH به منظور بهبود ضریب مدل پیش بینی خاکستری استفاده شده است. مقایسه نتایج حاصل نشان از برتری روش پیشنهادی نسبت به حالت بدون استفاده از روش بهینه سازی را دارد.
کلیدواژه ها:
نویسندگان
کیان جوان اجدادی
دانشجوی کارشناسی ارشد، دانشکده فنی دانشگاه محقق اردبیلی
سیدجلال سیدشنوا
دانشیار، دانشکده فنی دانشگاه محقق اردبیلی
عبدالمجید دژم خوی
استادیار، دانشکده فنی دانشگاه محقق اردبیلی
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 :