سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

پیش بینی مصرف انرژی الکتریکی با استفاده از مدل رگرسیون (مطالعه موردی شرکت توزیع نیروی برق مازندران)

Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,008

This Paper With 11 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

MEAE01_0146

Index date: 17 March 2016

پیش بینی مصرف انرژی الکتریکی با استفاده از مدل رگرسیون (مطالعه موردی شرکت توزیع نیروی برق مازندران) abstract

انرژی برق یکی از شاخص های بسیار مهم در رشد و پیشرفت جوامع امروزی محسوب می شود. توسعه تکنولوژی و ارتقای سطح زندگی مردم از سویی و نیز قابلیت کنترل بهتر و سهولت استفاده از انرژی الکتریکی از سویی دیگر سبب افزایش روز افزون مصرف انرژی برق شده است. با توجه به اینکه هدف تمامی شبکه های توزیع، فراهم نمودن برق مطمئن برای مشترکین و در عین حال، مدیریت هزینه های تولید و توزیع انرژی برق می باشد، لذا می بایست با استفاده از روش ها و مدل های مختلف پیش بینی بار مورد نیاز شبکه را با تقریبی قابل قبول پیش بینی نمایند.در این مقاله به منظور مدلسازی رفتار مشترکین با در نظر گرفتن روند مصرف دوره های گذشته و نیز شرایط آب و هوایی به عنوان یکی از عوامل تاثیر گذار بر مصرف برق، ابتدا روز های سال براساس دو فاکتور دما و مصرف خوشه بندی شده اند و سپس در هر خوشه، عملیات مدلسازی براساس رگرسیون انجام و برای خوشه بندی داده ها از الگوریتم ابتکاری خوشه بندیk-means استفاده شده است. این الگوریتم ابتکاری برخلاف سایر الگوریتم های خوشه بندیk-means این امکان را به کاربر می دهد که پس از بررسی خوشه ها، نقاطی که در آنها اختلاف داده ای زیاد است را به عنوان مراکز اولیه را انجام دهد، به این صورت که فاصله داده ها را براساس فاصله اقلیدسی با مراکز اولیه محاسبه نماید. هر داده در خوشه مربوط به مرکزی قرار می گیرد که کمترین فاصله را با آن داشته باشد. سپس برای هر خوشه مجددا مرکز محاسبه شده و این عملیات ادامه می یابد تاجایی که دیگر مراکز تغییر نکنند. در نهایت براساس فرمول ریاضی استخراج شده، بار مورد نیاز روزهای آتی با تقریب 95% مورد پیش بینی قرار گرفت.

پیش بینی مصرف انرژی الکتریکی با استفاده از مدل رگرسیون (مطالعه موردی شرکت توزیع نیروی برق مازندران) Keywords:

مدلسازی , پیش بینی مصرف , رگرسیون چندمتغیره , الگوریتم خوشه بندی k-means

پیش بینی مصرف انرژی الکتریکی با استفاده از مدل رگرسیون (مطالعه موردی شرکت توزیع نیروی برق مازندران) authors

زهرا اکبری شهربندی

شرکت تو زیع نیروی برق مازندران

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 :
سروش، علیرضا؛ برادران کاظم زاده، رضا؛ بحرینی نژاد، اردشیرجبهبود برازش ...
میرفخرالدینی، سید ناصرجمدیریت عرضه و تقاضای انرژی الکتریکی"، سیزدهمین کنفرانس ...
Suganthia, L, Samuel, A., Energy models for demand fore casting--A ...
Ogcu, G, Demirel, O., Zaim, S., Forecasting Electricity Consumption with ...
Na, S., Xumin, L, Research on k-means Clustering Algorithm, An ...
Emre Celebi, M. Kingravi, H., Vela, P." A comparative study ...
نمایش کامل مراجع

مقاله فارسی "پیش بینی مصرف انرژی الکتریکی با استفاده از مدل رگرسیون (مطالعه موردی شرکت توزیع نیروی برق مازندران)" توسط زهرا اکبری شهربندی، شرکت تو زیع نیروی برق مازندران نوشته شده و در سال 1394 پس از تایید کمیته علمی اولین کنفرانس بین المللی مدیریت، اقتصاد، حسابداری و علوم تربیتی پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله مدلسازی، پیش بینی مصرف، رگرسیون چندمتغیره، الگوریتم خوشه بندی k-means هستند. این مقاله در تاریخ 27 اسفند 1394 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1008 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که انرژی برق یکی از شاخص های بسیار مهم در رشد و پیشرفت جوامع امروزی محسوب می شود. توسعه تکنولوژی و ارتقای سطح زندگی مردم از سویی و نیز قابلیت کنترل بهتر و سهولت استفاده از انرژی الکتریکی از سویی دیگر سبب افزایش روز افزون مصرف انرژی برق شده است. با توجه به اینکه هدف تمامی شبکه های توزیع، فراهم نمودن ... . برای دانلود فایل کامل مقاله پیش بینی مصرف انرژی الکتریکی با استفاده از مدل رگرسیون (مطالعه موردی شرکت توزیع نیروی برق مازندران) با 11 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.