پیش بینی بلند مدت مصرف انرژی الکتریکی شرکت ملی مناطق نفت خیز جنوب با استفاده از روش رگرسیون بردار پشتیبان

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 498

This Paper With 7 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:

BPJ02_323

تاریخ نمایه سازی: 11 آبان 1395

Abstract:

گام نخست در برنامه ریزی سیستم قدرت، پیش بینی مصرف انرژی الکتریکی است که برای سیاست گذاران صنعت برق به منظور برنامه ریزی و سرمایه گذاری در زیر ساخت های تولید و نیروگاه، انتقال و توزیع ضروری است. پیش بینی مطلوب به تصمیم گیران صنعت نفت نیز برای توسعه زیرساخت های پرهزینه و زمان بر، برنامه ریزی تعمیرات و نگهداری و تأمین برق به اقتصادی ترین شکل ممکن یاری می رساند. برایکاهش هزینه ها و جلوگیری از تأخیر در تأمین برق و ضرر و زیان ناشی از عدم راه اندازی به موقع واحد های تولید نفت، داشتن پیش بینی بلند مدت مصرف انرژی الکتریکی راه گشاست. بنابراین به منظور پیش بینی مصرف انرژی الکتریکی شرکت مناطق نفت خیز جنوب با استفاده از روش رگرسیون بردار پشتیبان، داده های اشتراک های دیماندی برق شرکت ملی مناطق نفت خیز جنوب ( 102 انشعاب ) طی 5 سال گذشته از شرکت توزیع نیروی برق اهواز، شرکت سهامی برق منطقه ای خوزستان و شرکت برق منطقه ای استان خوزستان جمع آوری گردیده است. از ضریب مصرف انرژی، دما و رطوبت محل مصرف انرژی، و میزان تولید نفت به عنوان ویژگی استفاده گردیده است. نتایج تجربی حاصل از دادههای مصرف انرژی الکتریکی شرکت ملی مناطق نفتخیز جنوب اثر بخشی روش را تایید می نماید.

Keywords:

شرکت ملی مناطق نفت خیز جنوب , برنامه ریزی سیستم قدرت الکتریکی , پیش بینی بلندمدت مصرف انرژی الکتریکی , رگرسیون بردار پشتیبان

Authors

محسن احمدی

گروه برق، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران

محمد صادق جوادی

استادیار، گروه برق و الکترونیک، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران

سید محسن سید موسوی

استادیار، گروه برق، واحد اهواز، دانشگاه آزاد اسلامی، اهوازف ایران

سجاد رحیم زاده

شرکت ملی مناطق نفت خیز جنوب

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 :
  • G. W. Arnold, "Challenges and Opportunities in Smart Grid: A ...
  • B. Luitel and G. K. Venayagamo orthy, "Decentralized Asynchronous Learning ...
  • D. Niu, Y.Wang, and and D. D.Wu, " "Power load ...
  • International, 2012, pp. 842-847. ...
  • W. Biao, F. Gang, H. Jing, and a. X. X.Yong, ...
  • V. N. Vapnik, " An overview of statistical learning theory, ...
  • C. Bo-Juen, C. Ming-Wei, and L. Chih-Jen, "Load forecasting using ...
  • Turbulence, Warwick 1980. vol. 898, D. Rand and L.-S. Young, ...
  • L. Ghelardoni, A. Ghio, and D. Anguita, "Energy Load Forecasting ...
  • نمایش کامل مراجع