حورا کمالی نژاد - دفتر بازار برق، شرکت برق منطق های تهران، ایران
حامد کبریایی - دانشکده مهندسی برق، دانشگاه تهران، ایران

در این مقاله به ارائه راهکارهایی برای پیشبینی بار الکتریکی با فرض غیر متقارن بودن تابع جریمه پرداخته شده است. به این منظور دو رویکرد اصلی مورد بررسی و مقایسه قرار گرفته است. روش اول پیشبینی با معیار حداقل مجموع مربعات خطا میباشد. از آنجایی که حتی با وجود غیر متقارن بود ن تابع جریمه اگرمجموع مربعات خطای پیشبینی به صفر میل کند تابع جریمه نیز به صفر میل میکند این ایده میتواند کارساز باشد. در روش دوم هدف پیشبینی مستقیم بر اساس معیار نامتقارن تابع جریمه بر اساس خطای پیشبینی میباشد. اساس کار پیشبینی بر اساس شبکههایRBF میباشد که در روش اول به صورت عادی مورد استفاده قرار گرفته است و در روش دوم پیشبینی بر اساس یک شبکه ترکیبی ازRBF و الگوریتم ژنتیک می باشد . در هر دو روش برای تصحیح پیشبینی به دلیل تاثیر شرایط جوی و وارد کردن پارامتر دما یک سیستم فازی نیز برای تصحیح پیشبینی به کار گرفته شده است.

پیشبینی بار، شبکه عصبی، الگوزیتم ژنتیک، سیستم فازی