پیش بینی پیک بار تهران به کمک الگوریتمهای یادگیری ماشین ترکیبی

پیش بینی پیک بار یک فرآیند حیاتی در برنامه ریزی صنعت برق است و نقش بسیار مهمی در برنامه ریزی ظرفیت تولید برق و مدیریت سیستم های نیروی الکتریکی ایفا می کند بنابراین جذب علاقه مندی های بسیاری در حوزه ی علمی را به دنبال داشته است. بنابراین، دقت در پیش بینی بار الکتریکی برای برنامه ریزی بهینه ظرفیت تولید انرژی و مدیریت سیستم نیروی الکتریکی بسیار اهمیت دارد این پایان نامه یک بررسی از روش ها و مدل های پیش بینی پیک بار برق را ارائه می دهد بررسی نشان می دهد که با وجود سادگی نسبی همه مدل های بررسی شده تحلیل رگرسیون همچنان به طور گسترده استفاده می شود و کارآمد برای پیش بینی بلندمدت است این پایان نامه به بررسی و بهبود پیش بینی پیک بار الکتریکی در شهر تهران با استفاده از رگرسیون لاجیت و آدابوست می پردازد. پیک بار الکتریکی، به دلیل نوسانات شدید و وقوع نامنظم پیش بینی آن یکی از چالش های بزرگ در مدیریت و برنامه ریزی سیستم های توزیع برق است. استفاده از ترکیب رگرسیون لاجیت و آدابوست به عنوان یک روش یادگیری ماشین، ترکیبی می تواند دقت پیش بینی را افزایش داده و به مدیریت بهتر شبکه برق کمک کند. نتایج شبیه سازی این ادعا را ثابت می کند که الگوریتم پیشنهادی دارای دقت بالاتری به نسبت الگوریتم های دیگر می باشد.

Keywords:

پیش بینی پیک بار , تحلیل رگرسیون , رگرسیون لاجیت و آدابوست