سیما کمانکش - پژوهشکده برق - پژوهشگاه نیروتهران - ایران
سعیده برقی نیا - پژوهشکده برق - پژوهشگاه نیروتهران - ایران

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.

بازار برق، پی شبینی بار کوتا همدت، شبکه عصبی با آموزش بیزین، شبکه نروفازی، روش حداقل مربعات خطا، یافتن روزهای مشابه