مهدی پناهی - دانشگاه علوم و تحقیقات واحد ساوه
رضا قادری - دانشیار دانشگاه شهید بهشتی تهران
احسان مصطفی پور - دانشجوی دکتری دانشگاه ارومیه

پیش بینی بار کوتاه مدت یکی از راههای بسیار مهم کاهش هزینههای تولید انرژی در نیروگاههای برق است در این مقاله به بررسی عملکرد یک الگوریتم هایبرید شبکه عصبی- فیلتر وفقی در مورد پیش بینی کوتاه مدت بار در شبکههای توزیع توان خواهیم پرداخت. شبکه عصبی مورد استفاده برای اینکار از نوعRBF بوده والگوریتم مورد استفاده برای انتخاب مراکز توابع شعاعی لایه مخفی آنK-means و الگوریتم استفاده شده برای به روز رسانی وزنهای لایه خروجی آن LMS با اندازه گام متغیر است که برای بهبود عملکرد و افزایش سرعت آموزش از آن استفاده کردهایم. نشان خواهیم دادکه این الگوریتم علاوه بر دقت بسیار بالا در مدل سازی و پیش بینی بار، از سرعت بالاتری نسبت به الگوریتمهایی که تاکنون ارائه شدهاند برخوردار است و تا 03 درصد در زمان صرفه جویی میشود که درپیش بینیهای بسیار کوتاه مدت و همچنین زمانی که دادهها بسیار زیادند کاربرد مهمی دارد

شبکه عصبی ،)radial basis function( RBF ، پیش بینی کوتاه مدت بار Short time load forecasting ، الگوریتم وفقی Least mean( LMS squared algorithm ، اندازه گام متغیر