افزایش یک ورودی جدید به شبکه عصبی با الگوریتم یادگیری ژنتیک در جهت بهبود پیش بینی بار کوتاه مدت

پیش بینی بار کوتاه مدت، نقش اساسی در سیستم اقتصادی صرفهجویی تامین انرژی برق کشور دارد. یکی از روش هایی که در زمینه پیش بینی بار، محبوبیت زیادی دارد، استفاده از شبکه های عصبی مصنوعی میباشد. در این مقاله از شبکه عصبی که از طریق الگوریتم ژنتیک آموزش می بیند به پیشبینی کوتاه مدت بار الکتریکی استان خراسان رضوی می پردازیم. به دلیل اهمیت ورودی های شبکه عصبی، دقت در انتخاب ورودی ها امری ضروری است. زیرا انتخاب ورودی های نامناسب سبب بروز خطا در عملکرد سیستم میشود. پیش بینی کوتاه مدت بار الکتریکی به دلیل تاثیر عوامل متعدد متنوع غیر خطی نظیر شرایط آب هوایی تغییرات دورهای، از پیچیدگی خاصی برخوردار است. ازاینرو علاوه بر داده های گذشته بار پارامترهای دما از متغیر جدیدی که از منحنی بار به دست آمده اثر عوامل دورهای بر آن اعمال شده است، استفاده میکنیم تاثیر این متغیر را به بوته آزمایش خواهیم گذاشت. نتایج به دست آمده نشان دهنده بهبود پیش بینی بار کارایی متغیر پیشنهاد شده می باشد.

کلیدواژه ها:

پیش بینی بار کوناه مدت ، شبکه عصبی ، الگوریتم ژنتیک.