پیش بینی کوتاه مدت بار بااستفاده ازترکیب شبکه های عصبی کوهونن وپرسپترن

Publish Year: 1378
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,541

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

PSC14_033

تاریخ نمایه سازی: 30 شهریور 1386

Abstract:

دراین مقاله بااستفاده ازترکیب شبکه های عصبی خود مختار کوهونن وشبکه های عصبی پرسپترن یک مدل جدید برای پیش بینی منحنی بار الکتریکی مصرفی روز آینده درسیستمهای قدرت ارائه شده است . مدل ارائه شده توانایی پیش بینی بار کلیه روزهای عادی و غیرعادی سال اعم از ایام کاری هفته تعطیلات مذهبی و ملی … را با خطای کم دارا می باشد ونسبت به عوامل محیطی مانند درجه حرارت , روشنایی هوا , رطوبت , ... نیز فعال می باشد . مدل کلی پیش بینی بار از 9 مدل برای پیش بینی هر روز هفته وروزهای تعطیل وروزهای بعد ازتعطیلی تشکیل شده است . در ساختار هریک ازاین مدلها یک شبکه عصبی کوهونن ویک شبکه عصبی پرسپترن استفاده شده است . پیش بینی درهریک ازاین مدلها دردومرحله انجام می شود . مرحله اول آموزش شبکه عصبی کوهونن و پرسپترن ومرحله دوم مرحله پیش بینی می باشد . مدل با اطلاعات بار ودرجه حرارت ایران آزمایش شده است ومتوسط قدرمطلق خطای کلیه روزهای سال 2,11%:1375 می باشد .

Keywords:

شبکه های عصبی کوهونن وپرسپترن پیش بینی بار آموزش

Authors

محمد یاریان

دانشگاه صنعتی خواجه نصیرالدین طوسی دانشکده مهندسی برق

سیدمسعود مقدس تفرشی

دانشگاه صنعتی خواجه نصیرالدین طوسی دانشکده مهندسی برق

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 :
  • یعقوب پورم. خاتمی م. مدیرشانه چی م.ح.غ. سعادتی ع. تقوی ...
  • (1)-Alono f.' turner k walter b wrang b . clavel ...
  • (2) _ pap alexopoulo s A.D. hesterberg T.C. , Aregreess ...
  • (3)Box g.e.p. jenkins g.m. time series Analysis - forecasting and ...
  • (4) Petritsch g. Analysis and forecasting of demand for Electricity ...
  • 980'published in feichtinger g. und kall p. (editors) :operations research ...
  • (5)- Hagan m.t.?behr s.m. the time series Approach to short-term ...
  • (6)- Muller H.an approach to very short term load - ...
  • (7)- Muller H.'petritsch g. short term load forecasting by kalman ...
  • (8)- Mo ghahdda s-tafreschi S.M. Muller H.'petritsch G. energieprogno se ...
  • (9)- Mohammad O.'park D. merchant R.dinh t.^ tong c, ' ...
  • (10)- p apalaxopoulo s A.D.hao S. pang t.m. a n ...
  • (11)- peng t.m.hubele n.f. karady g.g.، 0advancement in the applicaicaion ...
  • (12)- Lu CN . wu.h.t.^ vemuri s.??neural network based short-term ...
  • (13)- Chen S.T.y.u. D.S.، moghaddamjo A.R.، weather sensetive short term ...
  • (14)- park D.C. El-sharkawi M.A. Marks r.j. Altas L.E. damborg ...
  • (15)- Lee k.y. cha y.t.park j.h.. short term load forecasting ...
  • (16)- Ho k.l.su y.y. yang c.c. short trem load forecasting ...
  • (17)- Highley d.d. hilmes t.j. _ load forcating by ANN??IEEE ...
  • (18)- Hsu y.y. yang c.c. design of artifical neurak network ...
  • (20)- Srinivasan d. liew A.C. chang C.S. forecasting daily load ...
  • (23)- Ho k.l. hsu y.y. chen c.f.، lee t.e. liang ...
  • (24)-Rahman s. hazim o. , 'Ageneralized knowledge- based short- term ...
  • (25)- Hsu y.y. ho k.l. 0fuzzy expert systems:an application to ...
  • (2 7)-Rumelhart D.E. McClelland j.l.، parallel distributed processing، vol.1 :foundation ...
  • (28)-Kohonen _ s el f-organization and associative memory، berling: spring ...
  • (29)- M oghaddas -tafreshi S.M.muller h petritsch G. ^clusterung der ...
  • (30)- Rosenblatt f.?^the perceptron: aprobabilistic modell for information storage and ...
  • (31)- Baumann t. germond A.j. Application of the kohonen network ...
  • نمایش کامل مراجع