Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
عنوان
Paper

پیش بینی پیک مصرف برق با استفاده ازشبکه های عصبی مصنوعیLM-BP مطالعه موردی برق منطقه ای مازندران و گلستان-امور غرب

تعداد صفحات: 15 | تعداد نمایش خلاصه: 37 | نظرات: 0
سال انتشار: 1399
کد COI Paper: ICISE06_075
زبان Paper: Persian
(فایل این Paper در 15 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این Paper

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این Paper را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک Paper) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این Paper، ابتدا تعداد صفحات Paper را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل Paper

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 15 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان Paper پیش بینی پیک مصرف برق با استفاده ازشبکه های عصبی مصنوعیLM-BP مطالعه موردی برق منطقه ای مازندران و گلستان-امور غرب

میعاد منصورسمائی - دانشجوی دکتری مدیریت صنعتی، گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان
مصطفی ابراهیم پور - دانشیار مدیریت صنعتی، گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان
میثم عفتی - استادیار گروه مهندسی عمران، دانشکده فنی، دانشگاه گیلان
ابوالفضل شاهری - کارشناس ارشد مهندسی برق قدرت،شرکت برق منطقهای مازندران و گلستان

چکیده Paper:

در این مطالعه با استفاده از شبکه های عصبی مصنوعی پسانتشار لونبرگ-مارکارد میزان پیک مصرف لحظهای برق (مگاوات) در غرب مازندران پیش بینی شده است. امکان برآورد بار مصرفی در زمان پیک، کمک بسزایی در برنامه ریزی های مدیریتی برق کشور داشته و میتواند در تولید، انتقال و بهره برداری مورد استفاده قرار گیرد. در روش پیشنهادی تحقیق داده های مربوط به روزهای کاری، غیرکاری، دما، رطوبت و سرعت باد بعنوان ورودی و پیک مصرف برق روزانه در طول 365 روز سال 1398 بعنوان خروجی درنظر گرفته شدهاند. به این منظور در این تحقیق مدل شبکه عصبی لونبرگ-مارکارد که ترکیبی از روش های بیشترین شیب نزول و گوسی-نیوتن است و همگرایی سریع و همچنین خطای قابل قبولی را ارائه میدهد مورد استفاده قرار گرفته است. از آنجا که در مدل مبتنی بر هوش مصنوعی مورد استفاده، وزنهای شبکه عصبی با تنظیم بین روشهای بیشترین شیب نزول و گوسی-نیوتن بهینه میشوند، لذا روش پیشنهادی با قابلیت یادگیری از داده های پیشین پیک دقت و پایداری مناسبی را در پیش بینی مصرف برق خروجی داده است همچنین نتایج نشان میدهد که هیستوگرام خطای مدل نرمال و قابل قبول است.

کلیدواژه ها:

شبكه عصبيLMBP، پيشبيني؛ پيك مصرف برق

کد Paper/لینک ثابت به این Paper

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

https://civilica.com/doc/1046864/

کد COI Paper: ICISE06_075

نحوه استناد به Paper:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
undefined، undefined و undefined، undefined و undefined، undefined و undefined، undefined،1399،پیش بینی پیک مصرف برق با استفاده ازشبکه های عصبی مصنوعیLM-BP مطالعه موردی برق منطقه ای مازندران و گلستان-امور غرب،ششمین کنفرانس بین المللی مهندسی صنایع و سیستم­ها (ICISE 2020)،Mashhad،،،https://civilica.com/doc/1046864

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399، منصورسمائی، میعاد؛ مصطفی ابراهیم پور و میثم عفتی و ابوالفضل شاهری)
برای بار دوم به بعد: (1399، منصورسمائی؛ ابراهیم پور و عفتی و شاهری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

Research Info Management

Certificate | Report Paper

Export Citation info of this Paper to research management softwares

علم سنجی و رتبه بندی Paper

مشخصات مرکز تولید کننده این Paper به صورت زیر است:
نوع مرکز: state university
تعداد مقالات: 11,614
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.

New RelatedPapers

Share this paper

WHAT IS COI?

COI is a national code dedicated to all Iranian Conference and Journal Papers. the COI of each paper can be verified online.

Support