پیش بینی بار کوتاه مدت منطقه کرمان با استفاده از روش ترکیبی PSO-ANFIS

علی حسینی پور; امیر عبدالهی

پیش بینی بار کوتاه مدت منطقه کرمان با استفاده از روش ترکیبی PSO-ANFIS

Publish place: The Second National Conference on New and Clean Energy Management

Publish Year: 1394

Type: Conference paper

Language: Persian

This Paper With 9 Page And PDF Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

https://civilica.com/doc/401211

Document National Code:

ENERGYBON02_041

Index date: 22 November 2015

پیش بینی بار کوتاه مدت منطقه کرمان با استفاده از روش ترکیبی PSO-ANFIS abstract

پیش بینی بار الکتریکی یک مساله ی مهم در صنعت برق می باشد. پیش بینی بار کوتاه مدت که می تواند در بازه ی زمانی یک ساعت تا یک هفته انجام گیرد، در مسائل زمان بندی تولید و خاموش و روشن بودن واحد ها به کار گرفته می شود. در نتیجه یک پیش بینی بار دقیق نقش مهمی در کاهش هزینه های تولید انرژی و اختصاص رزرو سیستم ایفا می کند. پیش بینی تقاضای کوتاه مدت الکتریسیته یکی از ابزار مهم شرکت های برق برای اختصاص تولید بهینه به واحدهای تولید آنها برای تامین بار سیستم است. کنترل دقیق واحدهای تولید که از یک پیش بینی دقیق بار حاصل می شود تاثیر به سزایی در بهره برداری اقتصادی سیستم قدرت دارد. عدم دقت و خطای زیاد در پیش بینی باعث می شود که سیستم های تولید و انتقال در حالت بهینه و کارآمدی بهره برداری نشوند. این مقاله بر اساس روش ترکیبی شبکه های عصبی-فازی تطبیقی (ANFIS) و الگوریتم بهینه سازی ازدحام ذرات مدلی را برای پیش بینی بار کوتاه مدت ارائه می دهد. اطلاعات تاریخی بار شبکه و دما و همچنین دمای پیش بینی شده به عنوان ورودی های سیستم به کار می روند. نتایج شبیه سازی که بر روی اطلاعات شبکه توزیع منطقه کرمان اجرا شده نشان می دهد که مدل پیشنهادی با دقت مناسبی قابلیت پیش بینی بار ساعتی را داراست.

پیش بینی بار کوتاه مدت منطقه کرمان با استفاده از روش ترکیبی PSO-ANFIS Keywords:

پیش بینی بار کوتاه مدت , شبکه عصبی فازی تطبیقی , الگوریتم ازدحام ذرات , منطق فازی , روشهای پیش بینی

پیش بینی بار کوتاه مدت منطقه کرمان با استفاده از روش ترکیبی PSO-ANFIS authors

علی حسینی پور

دانشجوی کارشناسی ارشد بخش مهندسی برق دانشگاه شهید باهنر کرمان

امیر عبدالهی

استادیار بخش مهندسی برق دانشگاه شهید باهنر کرمان

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 :

Aggarwal, S., Kumar, M., Saini, L., & Kumar, A. (2011). ...

AI-Kandari, A., Soliman, S., & El-Hawary, M. (2004). Fuzzy short-term ...

Cancelo, J. R., Espasa, A.. & Grafe, R. (2008). Forecasting ...

Chiang, C.-C.., Ho, M.-C., & Chen, J.-A. (2006). A hybrid ...

Qunkas, M., & Altun, A. (2010). Long term electricity demand ...

Demiroren, A., & Ceylan, G. (2006). Middle anatolian region short-term ...

Dordonnat, V., Koopman, S. J., Ooms, M., Dessertaine, A., & ...

Fan, S., & Hyndman, R. J. (2012). Short-term load forecasting ...

Feinberg, E. A., & Genethliou, D. (2005). Load forecasting Applied ...

Jang, J.-S. R. (1993). ANFIS: adaptive -network-based fuzzy inference system. ...

Kebriaei, H., Araabi, B. N., & Rahimi-Kian, A. (2011). Short-term ...

Kennedy, J. (2010). Particle SWarm optimization Encyclopedia of Machine Learning ...

Kuusisto, S., Lehtokangas, M., Saarinen, J., & Kaski, K. (1997). ...

Mamlook, R., Badran, O., & Abdulhadi, E. (2009). A fizzy ...

Mordjaoui, M., Boudjema, B., Bouabaz, M., & Daira, R. (2009). ...

Pandian, S. C., Duraiswamy, K., Rajan, C. C. _ & ...

Papadakis, S. E., Theocharis, J., & Bakirtzis, A. (2003). A ...

Soares, L. J., & Medeiros, M. C. (2008). Modeling and ...

Song, K.-B., Ha, S.-K., Park, J.-W., Kweon, D.-J., & Kim, ...

Sousa, J. C., Jorge, H. M., & Neves, L. P. ...

Ying, L.-C., & Pan, M.-C. (2008). Using adaptive network based ...

Yun, Z., Quan, Z., Caixin, S., Shaolan, L., Yuming, L., ...

نمایش کامل مراجع