پیش بینی کوتاه مدت بار با استفاده از شبکه عصبی مصنوعی و درخت رگرسیون کیسه ای
Publish place: The 10th CIRED Regional Conference
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 136
This Paper With 6 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:
CIRED10_069
تاریخ نمایه سازی: 9 اسفند 1401
Abstract:
در این مقاله، تحلیلی از نتایج یک مطالعه در مورد پیش بینی قیمت عمده فروشی برق با استفاده از شبکه های عصبی ۱ و درخت رگرسیون کیسه ای ۲ ارائه می کنیم. تغییرات نظارتی مکرر در بازارهای برق و استراتژی های قیمتگذاری (مناقصه) شرکت کنندگان در بازار که به سرعت در حال تحول هستند، باعث می شود که بازآموزی کارآمد در حفظ دقت مدل های پیش بینی قیمت برق بسیار مهم باشد. کارایی بازآموزی NN و BRT برای پیش بینی قیمت با استفاده از داده های منطقه ای بازار ملی برق استرالیا ۳ ، نیو ساوت ولز در بازه زمانی سپتامبر ۲۰۱۸ تا سپتامبر ۲۰۲۲ مورد ارزیابی قرار گرفت. دقت و بنابراین نیاز به زمان کمتری برای آموزش بهینه نسبت به روش های دیگر دارد که می تواند منجر به راه حلی در تعداد زیادی از حداقل های محلی شود. NN و BRT و سایر روش های پیش بینی از نظر دقت تشخیص بسیار مشابه بودند.
Keywords:
Authors
محسن شهسواری
امور برق منطقه شمال شرکت توزیع برق شهرستان اصفهان
محسن معتمدی فرد
امور برق منطقه شمال شرکت توزیع برق شهرستان اصفهان