سعادت بهرامی - کارشناس بهره برداری، شرکت برق منطقه ای خوزستان، ناحیه کهگیلویه و بویراحمد
محمود جورابیان - استاد گروه مهندسی برق، دانشگاه شهید چمران اهواز، ایران

پیش بینی کوتاه مدت بار الکتریکی، نقش مهمی را در مدیریت انرژی سیستم های قدرت ایفا می کند. با توجه به اینکه عوامل زیادی بر روی میزان مصرف انرژی الکتریکی تاثیر می گذارند، ارائه روشی مناسب برای پیش بینی بار کوتاه مدت امری ضروری است. در این مقاله، روش جدیدی به منظور پیش بینی کوتاه مدت بار الکتریکی، با استفاده از ترکیب تبدیل موجک، مدل خودرگسیونی میانگین متحرک انباشته فصلی† شبکه عصبی انتشار بازگشتی‡ و الگوریتم بهینه سازی اجتماع ذرات باینری ارائه شده است. خروجی روش STLF ارائه شده به صورت ترکیب وزنی از خروجی های دو روش SARIMA و BPNN است. برای تعیین ضرایب وزنی از روش بهینه سازی اجتماع ذرات استفاده شده است. روش پیشنهادی بر روی شبکه ایران مورد آزمایش گرفته است. نتایج شبیه سازی موید کارایی روش پیشنهادی می باشند.

پیش بینی کوتاه مدت بار الکتریکی، تبدیل موجک، شبکه عصبی انتشار بازگشتی (BPNN)؛ SARIMA، الگوریتم BPSO