بهبود برازش رگرسیون بااستفاده از خوشه بندی شبکه ی عصبی به منظور پیش بینی اوج مصرف انرژی الکتریکی ماهانه
نویسندگان
چکیده
در سیستم قدرت الکتریکی، پیش بینی اوج بار به منظور بهینه سازی اقتصادی، برنامه ریزی خط مشی، تخصیص بودجه و مدیریت سوخت نیروگاه ها نقش بسیار مهمی بازی می کند.دقت روش پیش بینی در توسعه ی استراتژی تأمین قدرت، و طرح توسعه به ویژه برای کشورهای درحال توسعه بسیار مهم است. زیرا در این کشورها نرخ رشد تقاضا پویا و زیاد است. در این نوشتار برای اولین بار یک مدل رگرسیون تلفیقی به منظور پیش بینی اوج بار الکتریکی ماهانه بااستفاده از روش خوشه بندی و آنالیز مؤلفه های اصلی p c a ارائه شده است. بدین منظور داده های تقاضای اوج بار ماهانه ی ۱۴ سال گذشته در شبکه ی قدرت الکتریکی سراسری ایران مورد تجزیه و تحلیل قرار می گیرد. مدل ارائه شده امکان پیش بینی انرژی الکتریکی مصرفی یا اوج بار ماهانه را برای ماه آینده فراهم می کند. بدین ترتیبکه ابتدا برای بهبود برازش رگرسیون، نقشه ی خودسازمان دهی(s o m) به منظور خوشه بندی اوج بار مصرفی ماهانه طراحی شده است و ماه های مشابه با یکدیگر در گروه هاییکسان قرار داده شده اند. سپس با به کارگیری شاخص دیویس ـ بولدین بهترین حالت خوشه بندی تعیین شده است. همچنین به منظور کاهش ابعاد ورودی ها و بهبود نتایج از آنالیز مؤلفه های اصلی استفاده شده است. به منظور پیش بینی اوج بار ماهانه برای هر خوشه نیز از روش رگرسیون استفاده شده است. آنالیز و مقایسه ی نتایج پیش بینی با روش رگرسیون بدون انجام خوشه بندی نشان می دهد که دقت عمل مدل ارائه شده بسیار خوب است و خوشه بندی داده ها موجب بهبود پیش بینی شده است.
منابع مشابه
بهبود برازش رگرسیون بااستفاده از خوشه‌بندی شبکه‌ی عصبی به‌منظور پیش‌بینی اوج مصرف انرژی الکتریکی ماهانه
در سیستم قدرت الکتریکی، پیش‌بینی اوج بار به‌منظور بهینه‌سازی اقتصادی، برنامه‌ریزی خط‌مشی، تخصیص بودجه و مدیریت سوخت نیروگاه‌ها نقش بسیار مهمی بازی می‌کند.دقت روش پیش‌بینی در توسعه‌ی استراتژی تأمین قدرت، و طرح توسعه به‌ویژه برای کشورهای درحال توسعه بسیار مهم است. زیرا در این کشورها نرخ رشد تقاضا پویا و زیاد است. در این نوشتار برای اولین‌بار یک مدل رگرسیون تلفیقی به‌منظور پیش‌بینی اوج بار الکتریک...
متن کاملبهینه یابی سبد مصرف انرژی و خوشه بندی ساختمان های مسکونی با بهبود شبکه عصبی فازی با اوزان و معماریAHP
ساختمانهای مسکونی ایران، مطابق آمارهای موجود، بزرگترین مصرف کننده انرژی این کشور می باشند؛ فاکتورهای متعدد تاثیرگذار بر رفتار مصرف انرژی در ساختمانهای مسکونی، مسئله پیش بینی و ممیزی مصرف انرژی را به چالشی مهم در موسسات بهینه سازی مصرف تبدیل نمودهاند. از این رو مدیران در تلاشند تا با بهرهگیری از تکنیک های مناسب، فرآیند ممیزی و تعیین برچسب انرژی ساختمان های مسکونی را بهبود بخشند. ...
متن کاملالگویابی داده‌های لرزه‌یی با استفاده از خوشه بندی به منظور پیش بینی زلزله
زلزله‌ها همواره به‌عنوان یکی از مخرب‌ترین بلایای طبیعی شناخته می‌شوند. به دلیل خسارت‌های اقتصادی و تلفات جانی بسیار بالا، پیش‌بینی زلزله امری ضروری به نظر می‌رسد. در این نوشتار، تغییرات زمانی پارامتر $b$ از رابطه‌ی گوتنبرگ ریشتر قبل از زلزله‌هایی با بزرگای $M_w=6.0$ و یا بالاتر از آن در ناحیه‌ی جنوبی ایران، منطقه‌ی قشم و اطراف آن مورد بررسی قرار گرفته است. از دو روش خوشه‌بندی K-Means و نقشه...
متن کاملپیش بینی تقاضای بلندمدت انرژی الکتریکی با استفاده از الگوریتم ترکیبیِ عصبی- فازی و انبوه ذرات
Storing the electrical energy in large scale is impossible. So, it is necessary to identify the factors affecting the electricity demand. Researchers have used different methods to forecast the future demand of electricity, among them intelligent methods and fuzzy based methods are more popular. Since ANFIS structure is based on researcher’s experience about phenomenon, the created structure ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
مهندسی صنایع و مدیریتجلد ۲۰۰۹، شماره ۴۹، صفحات ۷۳-۸۳
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023