پیش بینی مصرف کوتاه مدت انرژی الکتریکی با ترکیب روش های شبکه عصبی و الگوریتم ازدحام ذرات

در سال های اخیر به علت کاهش سوخت های فسیلی و مشکلات استفاده از تکنولوژی های تولید توان تجدیدپذیر همچون انرژی باد، خورشید، جزر و مد و ... مورد توجه شایان قرار گرفته است. این انرژی ها به انرژی سبز معروفند و در تحقیقات صورت گرفته از میان آنها انرژی خورشیدی و سیستم های فتوولتائیک در کشور ما بیشترین توجه را به خود معطوف کرده است، چرا که پاک، بدون آلودگی و پایان ناپذیر است و نسبت به منابع دیگر انرژی های تجدیدپذیر در اقلیم ایران با اطمینان بالایی انرژی تولید می کند. یکی از مشکلات سیستم های فتوولتائیک نیاز آنها به اتصال صحیح به شبکه توزیع و پیش بینی تولید در چنین شرایطی است. با توجه به اهمیت اقتصادی پیش بینی برق مورد نیاز در راه اندازی و برنامه ریزی همه تجهیزات شبکه و بخصوص پیش بینی کوتاه مدت تولید برای مدیریت درست تولید پراکنده در این پایان نامه ، کاربرد ترکیبی شبکه های عصبی و الگوریتم ازدحام ذرات را برای ارایه پیش بینی های بار کوتاه مدت پیشنهاد شده است. روش پیشنهادی شامل پیش بینی ساعتی بار انرژی الکتریکی در بازار برق آمریکا است که از اطلاعات خام مصرف بار ساعتی سه سال متوالی در آن استفاده شده است. با توجه به ترکیب روش شبکه های عصبی و الگوریتم ازدحام ذرات، نتیجه پیشنهادی از نظر پایداری، صحت و قابلیت اعتمادپذیری از روش مرسوم عصبی فازی و شبکه عصبی بهتر است.

Keywords:

شبکه های عصبی , الگوریتم ازدحام ذرات , بازار برق , پیش بینی تولید , خصوصی سازی