استفاده از روش حداقل مربعات خطا در ترکیب سه روش جدیدپی شبینی بار کوتا همدت براساس آموزش به روز شده
Publish place: 23rd International Power System Conference
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,595
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PSC23_234
تاریخ نمایه سازی: 1 بهمن 1390
Abstract:
پیش بینی بار کوتاه مدت در برنامه ریزی آینده یک سیستم قدرت و همچنین در بازار برق، نقش مهمی ایفا می کند . با توجه به اهمیت پیش بینی بار کوتا ه مدت در عملکرد سیستم قدرت و بازار برق، روش های مختلفی برای کاهش خطای آن در سال های متمادی ارائه شده است . در این مقاله، یک روشترکیبی براساس الگوریتم حداقل مربعات خطا جهت پیش بینی بار کوتاه مدت پیشنهاد شده است . این رو ش بر اساس وزن دهی به نتایج پیش بینی بار کوتاه مدت روش های شبکه عصبی بیزین، نروفازی و یافتن روزهای مشابه می باشد . تحقیقات صورت گرفته نشانگر آن است که سه روش مذکور،دارای بهترین نتایج پیش بینی بار کوتاه مدت در شبکه سراسری ایران می باشند. تقویم ایران شامل دو تقویم شمسی و قمری است. لذا شرایط ویژه ای از قبیل تعطیلات شمسی، تعطیلات قمری، روزهای بعد از تعطیل، بین تعطیل و روزهای ابتدای ماه رمضان وجود دارند که در نتایج سه روش فوق تغییراتی ایجاد می نمایند. جهت دستیابی به نتایج دقیق تر در پیش بینی بار کوتاه مدت، روش حد اقل مربعات خطا جهت ترکیب این سه روش بکار برده شده است . همچنین با بروزنمایی آموزش در روش مورد استفاده به جای استفاده از نتایج پیش بینی بار کوتاه مدت سال های قبل، سعی شده است تا کمترین مقدار خطای پیش بینی حاصل شود. نتایج استفاده از این روش در شبکه سراسری ایر ان، نشان دهنده بهبود عملکرد پیش بینی بار کوتاه مدت میباشد.
Keywords:
بازار برق , پی شبینی بار کوتا همدت , شبکه عصبی با آموزش بیزین , شبکه نروفازی , روش حداقل مربعات خطا , یافتن روزهای مشابه
Authors
سیما کمانکش
پژوهشکده برق - پژوهشگاه نیروتهران - ایران
سعیده برقی نیا
پژوهشکده برق - پژوهشگاه نیروتهران - ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :