بررسی انواع شبکه عصبی از طریق پیش بینی کوتاه مدت بار
Publish place: National Conference on the Application of New Technologies in Science and Engineering, Electrical and Computer and IT
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 649
- 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:
TESCONF01_126
تاریخ نمایه سازی: 16 تیر 1397
Abstract:
پیش بینی کوتاه مدت بار، نقش کلیدی در بهره برداری اقتصادی و ایمن از سیستم های قدرت بازی می کند. پیش بینی دقیق بار، با کاهش دادن هزینه ها و بهبود ایمنی بهره برداری، به شرکت های برق این اجازه را می دهد که با قیمت بهینه به تولید و خرید و فروش انرژی بپردازند. جهت بررسی عوامل موثر بر پیش بینی کوتاه مدت بار می توان از شبکه های عصبی استفاده کرد. مهمترین قسمت جهت ساختن یک شبکه عصبی برای پیش بینی بار، انتخاب متغیرهای ورودی می باشد. در این مقاله با استفاده از شبکه های عصبی مصنوعی می خواهیم شبکه های مختلف را بررسی کنیم تا پی ببریم که کدام شبکه عصبی برای پیش بینی بار کوتاه مدت مناسب تر و دقیق تر است. بر این اساس شبکه های عصبی NARX, Elman backprop, Feed- Forward مورد مطالعه قرار گرفته است. همان گونه که در مقدمه این مقاله اشاره گردید، پژوهش های قبلی پیش بینی بار برق را با استفاده از یک شبکه عصبی و با داده های مختلف و متفاوت مورد برسی قرار داده اند، که امکان تشخیص شبکه عصبی بهینه برای برآورد بار آینده ی شبکه ی انرژی الکتریکی میسر نمی باشد. این پژوهش با رویکرد انتخاب شبکه ی عصبی مصنوعی بهینه جهت تخمین بار الکتریکی از داده های واقعی واحد برای چند شبکه ی عصبی مطرح در این زمینه استفاده نموده و نتایج برآورد بار سال های 94 و 95 را با مقادیر واقعی که اتفاق افتاده، مقایسه و شبکه ی عصبی مصنوعی بهینه را برای برآورد بار کوتاه مدت شبکه ی برق معرفی نموده است
Keywords:
Authors
حسین محمدیان پیشه
استادیار دانشگاه علوم و فنون مازندران دانشکده فنی و مهندسی بابل ایران
فریبا اسدی
کارشناسی ارشد دانشگاه علوم و فنون مازندران دانشکده فنی و مهندسی بابل ایران