پیش بینی کوتاه مدت بارسیستان و بلوچستان به روش ماشین بردار پشتیبان با ثابت نو

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 571

This Paper With 7 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

TEDECE02_189

تاریخ نمایه سازی: 21 شهریور 1395

Abstract:

پیش بینی کوتاه مدت مصرف بار الکتریکی، نقش اساسی در بهره برداری بهینه از سیستم قدرت ایفا می کند . عملکرد اقتصادی و قابلیت اطمینان یک شبکه وابستگی قابل ملاحظه ای به دقت پیش بینی بار دارد. در عمل پیش بینی کوتاه مدت بار الکتریکی به دلیل تاثیر پذیری از عوامل متعدد و متنوع غیر خطاینظیر تغییرات دوره ای روزانه و هفتگی از پیچیدگی خاصی برخوردار است. روش مبتنی بر رگرسیو بردار پشتیبان به علت توانایی بسیار زیادی که در بیان روابط غیر خطی دارد، یک راه حل مناسب در امر پیش بینی کوتاه مدت بار است. در این مقاله، روشی جدید به نام ماشین بردار پشتیبا با ثابت نو معرفی شده است سپس از داده های سیستا و بلوچستا برای بررسی عملکرد این روش استفاده شده است. نتایج نشان دهنده ی این است که روش پیشنهادی عملکرد بهتری نسبت به روشهای متداول مثل ماشین بردار پشتیبا با ثابت اپسیلو و شبکه عصبی مصنوعی دارد. در نتیجه از این روش به عنوان روشی جدید برای پیش بینی کوتاه مدت بار می توان استفاده کرد

Keywords:

ماشین بردار پشتیبان – شبکه عصبی مصنوعی-پیش بینی کوتاه مدت بار

Authors

عدنان امیدی

دانشجوی کارشناسی ارشد دانشگاه سیستان وبلوچستان

سیدسعید توکلی افشار

عضو هیئت علمی دانشگاه سیستا و بلوچستان ،

سیدمسعود برکاتی

عضو هیئت علمی دانشگاه سیستا و بلوچستان ،

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 :
  • Jingfei Yang, Power System Short-term Load University, ...
  • pouli Murlo, Neural network models for short- term load forcasting" ...
  • sensitive method for short-term load forecasting in electric power utility ...
  • T. Haida, S. Muto., Regression based peak load forecasting using ...
  • C onferenc e-TED 2016 1-2 June, Kermanshah, Iran ...
  • Transactions on Power Systems, Vo I.9, pp. 1788 _ I794, ...
  • M.Y. Cho, J.C. Hwang, C.S. Chen, . Customer short- term ...
  • EMPD, Vol. 1, pp.3 17 - 322, 1995. ...
  • H.T.Yang, C.M. Huang, C.L. Huang.. Identification of ARMAX model for ...
  • K.L. Ho et al, Short-term load forecasting of Taiwan power ...
  • S. Rahman, O. Hazim, . Load forecasting for multiple sites: ...
  • _ V. Miranda, C. Monteiro, . Fuzzy inference in spatial ...
  • electrical load forecasting using a fuzzy ARTMAP neural network , ...
  • A.G.Bakirtzis, et al, A neural network short-term load forecasting model ...
  • Theory, Springer. New York, Verlag, 1995 ...
  • B. Scholkopf, A. Smola, R. C. Williamson, and P. L. ...
  • M.Mohandes. , Support Vector Machines for Short- Term Electrical Load ...
  • B.J.Cheno, m.W.Chang, C.J.Lin., Load Forecasting using Support Vector Machines Study ...
  • C onferenc e-TED 2016 1-2 June, Kermanshah, Iran ...
  • نمایش کامل مراجع