سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

پیش بینی مصرف بار الکتریکی با روش هوشمند فازیعصبی

Publish Year: 1388
Type: Conference paper
Language: Persian
View: 1,380

This Paper With 6 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

NEC07_026

Index date: 14 May 2010

پیش بینی مصرف بار الکتریکی با روش هوشمند فازیعصبی abstract

پیشبینی بار الکتریکی نقش مهمی در سیستمهای قدرت برای برنامهریزی، زمانبندی ساختار ظرفیت تولید و خرید الکتریسیته از واحدهای تولید دارد . و واضح است که این پیشبینی بصورت کوتاه مدت برای زمانبندی تولید و بصورت بلندمدت برای مشخص کردن سایتهای تولید نیرو در آینده و یا فروش بار و نیز پیشبینی دقیق قیمت ضروری میباشد . در این مقاله یک مدل فازیعصبی برای پیشبینی بار الکتریکی ارائه شده است، که الگوریتم یادگیری این مدل بنام یادگیری درختیخطیمحلی شناخته میشود. این مدل روی سریزمانی واقعی بار الکتریکی استخراج شده از آمریکای شمالی آموزش و تست شده است، نتایج بدست آمده حکایت از دقت مناسب پیشبینی مدل درختیخطیمحلی دارد.

پیش بینی مصرف بار الکتریکی با روش هوشمند فازیعصبی Keywords:

پیشبینی بار , شناسایی سیستم - مدل درختیخطیمحلی - مدیریت هوشمند بار

پیش بینی مصرف بار الکتریکی با روش هوشمند فازیعصبی authors

مهدی نصرتی مراللو

باشگاه پژوهشگران جوان، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهرا

کارو لوکس

دانشگاه تهران

محمد تشنه لب

دانشگاه صنعتی خواجه نصیرالدین طوسی

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
N.X.Jia, R.Yokoyama, Y.C.Zhou, " A Novel Approach to Long Term ...
Mohammad Shahidehpour, Hatim Yamin, Zuyi Li, Market Operations in Electric ...
Antti Sorjamaa, Jin Hao, Nima Reyhani, Yongnan Ji, Amaury Lendasse, ...
L. Ljung, System Identification Theory for User, Prentice-Hall, Englewood Cliffs, ...
A.S. Weigend, N.A. Gershenfeld, Times Series Prediction: Forecasting the future ...
Understanding the Past, A ddison-Wesley , Reading, MA, 1994. ...
G.E.P. Box, G. Jenkins, Time Series Analysis: Forecasting and Control, ...
L. Ljung, System Identi fi cation-Theory for User, Prentice-Hall, Englewood ...
A. H. Vahabie, M. M. Rezaei Yousefi, B. N. Araabi ...
O. Nelles, "Nonlinear system identification", Springer verlag, Berlin, 2001. ...
نمایش کامل مراجع

مقاله فارسی "پیش بینی مصرف بار الکتریکی با روش هوشمند فازیعصبی" توسط مهدی نصرتی مراللو، باشگاه پژوهشگران جوان، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهرا؛ کارو لوکس، دانشگاه تهران؛ محمد تشنه لب، دانشگاه صنعتی خواجه نصیرالدین طوسی نوشته شده و در سال 1388 پس از تایید کمیته علمی هفتمین همایش ملی انرژی (پایداری انرژی، امنیت عرضه، مدیریت تقاضا و اصلاح الگوی مصرف) پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله پیشبینی بار – شناسایی سیستم - مدل درختیخطیمحلی - مدیریت هوشمند بار هستند. این مقاله در تاریخ 24 اردیبهشت 1389 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1380 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که پیشبینی بار الکتریکی نقش مهمی در سیستمهای قدرت برای برنامهریزی، زمانبندی ساختار ظرفیت تولید و خرید الکتریسیته از واحدهای تولید دارد . و واضح است که این پیشبینی بصورت کوتاه مدت برای زمانبندی تولید و بصورت بلندمدت برای مشخص کردن سایتهای تولید نیرو در آینده و یا فروش بار و نیز پیشبینی دقیق قیمت ضروری میباشد . در این مقاله ... . برای دانلود فایل کامل مقاله پیش بینی مصرف بار الکتریکی با روش هوشمند فازیعصبی با 6 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.