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

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.

الگوریتم کلونی مورچگان، انتخاب ویژگی، پیش بینی بار، شبکه عصبی