روش موثر هوشمند به منظور پیش بینی بار الکتریکی کوتاه مدت

در این نوشتار از روش های شبکه ی عصبی (NN)، ماشین بردار پشتیبانی (SVM) و تحلیل مولفه ی اصلی (PCA) با یک رویکرد متوالی برای پیش بینی بار کوتاه مدت استفاده شده است. ابتدا با استفاده از یک روش غربال سازی، داده های ورودی استخراج و به کلاس هایی تقسیم شدند که بتواند بهترین نتایج را ارایه دهد. سپس مقادیر گذشته بار به همراه اطلاعات وابسته در هر دسته به شبکه های عصبی چند لایه ی پرسپترون و ماشین بردار پشتیبان به صورت پشت سر هم و وابسته به ساعت قبل داده شده است که ماشین بردار پشتیبان پیشنهادی توانست نتایج بهتری ارایه دهد. سپس با اعمال تحلیل مولفه ی اصلی به پارامترهای ورودی مجددا این دو سیستم مورد آزمون قرار گرفت. نتایج نشان داده که هنگام استفاده از تحلیل مولفه ی اصلی نتایج شبکه های عصبی و ماشین های بردار پشتیبان بهبود یافته و نتایجی بهتر از پیش بینی های سنتی ارایه داده است.

Keywords:

پیش بینی بار الکتریکی , شبکه ی عصبی , ماشین بردار پشتیبان , تحلیل مولفه ی اصلی