پیش بینی کوتاه مدت بار با استفاده از شبکه عصبی و ترکیب با روشهای هوشمند جهت انتخاب ویژگی
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 538
This Paper With 6 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:
شناسه ملی سند علمی:
EMIS01_031
تاریخ نمایه سازی: 11 آبان 1395
Abstract:
با خصوصی سازی صنعت برق، پیش بینی دقیق بار و پیش بینی میزان تقاضای برق آینده، نقش مهمی را در مدیریت استراتژی برق ملی و ناحیه ای ایفا می کند. پیش بینی بار الکتریکی بدلیل پیچیدگی و غیرخطی بودن روابط بار با چندین عامل دیگر، یک مساله چالش برانگیز می باشد . در این مقاله، روشی برای پیش بینی بار الکتریکی پیشنهاد شده است. در این روش از الگوریتم بهینه سازی کلونی مورچگان (ACO) برای انتخاب ویژگی، و از پرسپترون چند لایه برای پیش بینی بار ساعتی استفاده می گردد. در این مقاله، شرایط آب و هوایی، ماه، سال، روز هفته، و ساعت به عنوان عوامل تاثیرگذار بر بار در نظر گرفته شده اند. با استفاده از سری های زمانی بار یک سیستم برق ناحیه ای، عملکرد مدل ترکیبی (ACO+MLP) و همچنین حالت بدون انتخاب خصیصه (NFS+MLP)، مقایسه می گردد. نتایج تجربی و مقایسه عملکرد با تحقیقات جدید مشابه، نشان می دهد که مدل ترکیبی ACO+MLP در پیش بینی بار 24 ساعت بعد، براساس معیار درصد قدر مطلق میانگین خطا (MAPE)، عملکرد مطلوبی را ارائه می دهد.
Keywords:
Authors
رضا شوندی
گروه برق، دانشکده فنی و مهندسی، واحد میانه، دانشگاه آزاد اسلامی، میانه، ایران
سید یوسف موسی زاده موسوی
گروه برق، دانشکده فنی و مهندسی، واحد میانه، دانشگاه آزاد اسلامی، میانه، ایران
حمید حسن زاده فرد
گروه برق، دانشکده فنی و مهندسی، واحد میانه، دانشگاه آزاد اسلامی، میانه، ایران
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 :