حساسیت مصرف کوتاه مدت انرژی الکتریکی نسبت به دما و رطوبت

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 429

This Paper With 11 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:

ELEMECHCONF03_0149

تاریخ نمایه سازی: 9 مرداد 1395

Abstract:

پیش بینی کوتاه مدت انرزی یکی از مسائل کلیدی در تنظیم سیستم های قدرت و بازارهای برق است. علیرغم تحقیقات انجام شده در این زمینه، هنوز هم نیاز ضروری برای روش های دقیق پیش بینی انرژی احساس می شود. در اکثریت مقالات تالیف شده در زمینه پیش بینی کوتاه مدت انرژی به دلیل شرایط متفاوت آب و هوایی مناطق مورد مطالعه، اثر رطوبت بر میزان مصرف انرژی الکتریکی نادیده گرفته شده است یا اثر آن به صورت ویژه برای پیش بینی مصرف انرژی الکتریکی بررسی نشده است. به دلیل شرایط جغرافیایی و جوی شهر ساحلی بندرعباس که مورد تحقیق این مقاله می باشد، میزان تاثیر رطوبت و چگونگی اثرگذاری آن بر میزان مصرف انرژی الکتریکی مورد بررسی قرار گرفته است. برای این منظور از رگرسیون چندگانه خطی و درخت C&RT استفاده شده است. براساس نتایج مدل رگرسیون چندگانه خطی، عامل رطوبت در حضور دما دارای تاثیر معناداری بر میزان مصرف بوده و چگونگی تاثیر آن در سطوح مختلف دما توسط مدل درخت تصمیم نشان داده شده است. همچنین، در دمای ثابت، افزایش برابر با یک انحراف معیار در رطوبت، منجر به افزایش 0.366 انحراف معیار میزان مصرف می گردد. این میزان تغییر تقریباً برابر با نصف تاثیر دما بوده است که در رطوبت ثابت منجر به افزایش 0.707 انحراف معیار میزان مصرف می باشد. علاوه بر این، در دماهای بالاتر میزان حساسیت به رطوبت بیشتر بوده و در سطوح رطوبت پایین تر افزایش معنادار مصرف انرژی الکتریکی رخ می دهد.

Keywords:

پیش بینی انرژی الکتریکی , دما , رطوبت , رگرسیون چند گانه خطی , تصمیم C&RT

Authors

مهرنوش ترابی

کارشناس دفتر فناوری اطلاعات شرکت برق منطقه ای هرمزگان

محمد روزبه

مسئول گروه داده کاوی دایکه- شرکت ندای کهن پرداز

ستار هاشمی

استادیار دانشگاه شیراز

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 :
  • Kirschen D, Strbac G (2004), ، FFundamentale of power system ...
  • http :/igmc.ir, Iran Grid Management co., access date: May 2015. ...
  • Ihara T, Genchi Y, Sato T, Yamaguchi K, Endo Y ...
  • Jovanovic S, Savic S, Bojic M, Djordjevic Z, Nikolic D ...
  • Beccali M, Cellura M, Lo Brano V, Marvuglia A (2008), ...
  • Kandil N, Wamkeue R, Saad M, Georges S(2006), _ efficient ...
  • Khwaja AS, Naeem M, Anpalagan A, Venets anopoulo S A, ...
  • Geoffrey K.F.Tso, Kelvin K.W.Yau (2007), "Predicting electricity nergy consumption: A ...
  • Lauret P, Fock E, Ran drianarivony, RN (2008), "Bayesian neural ...
  • Jigoria-Oprea D, Lustrea B, Borlea I, Kilyeni S, Andea P, ...
  • Jain A, Satish B (2009), "Clustering based Short Term Load ...
  • Sun C, Gong D (2006), "Support Vector Machine with PSO ...
  • Niu D, Wang Y, Wu DD (2010), :Power load forecasting ...
  • Soliman SA, Persaud S, El-Nagar K, EI-Hawary ME (1997), "Application ...
  • Mirasgedis S, Safaridis Y, Georgopoulou E, Lalas DP, Moschovits M, ...
  • Wu X, Kumar V, Quinlan JR, Ghosh J, Yang Q, ...
  • http:// wunderground. com, access dates: February 2010 ...
  • Han J, Kamber M (2006), "Data Mining: Concepts _ Techniques. ...
  • Chakrabarti 5 et al (2009), "Data Mining: Know It All", ...
  • نمایش کامل مراجع