پیش بینی کوتاه مدت قیمت تراکم گرهی در یک سیستم قدرت بزرگ تجدید ساختار یافته با استفاده از شبکه های عصبی مصنوعی با بهینه سازی آموزش ژنتیکی

نویسندگان

رحمت الله هوشمند

r. hooshmand مجید معظمی

m. moazzami

چکیده

در یک بازار برق روزانه، پیش بینی قیمت و بار مهمترین سیگنال برای شرکت کنندگان در بازار می باشد. در این مقاله از شبکه های عصبی پیشرو با بهینه سازی آموزش ژنتیکی برای پیش بینی قیمت کوتاه مدت تراکم گرهی برق در نواحی مختلف یک بازار برق در مقیاس وسیع استفاده شده است. اطلاعات لازم برای پایگاه داده شبکه عصبی از حل معادلات پخش بار بهینه سیستم قدرت با در نظر گرفتن کلیه عوامل موثر، برای تغییرات بار سیستم در هر ساعت از روز در مدت یک ماه حل شده است. ساختار شبکه عصبی دارای دو سیگنال ورودی توان اکتیو و راکتیو هر شین در هر ساعت از مدل برنامه ریزی می باشد. این دو سیگنال همواره در سیستم قدرت قابل دسترس می باشند. در این مطالعه از سیستم 118 باسه ieee برای بررسی صحت روش پیشنهادی استفاده شده است. این شبکه به 3 ناحیه تقسیم شده و برای هر ناحیه از یک شبکه عصبی با آموزش بهینه ژنتیکی استفاده شده است. نتایج حاصله بیانگر توانایی این روش برای پیش بینی قیمت در یک بازار برق بزرگ با خطای نسبتاً کم و قابل قبول خصوصاً در نقاط جهش قیمت دارد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

پیش‌‌بینی کوتاه مدت قیمت تراکم گرهی در یک سیستم قدرت بزرگ تجدید ساختار یافته با استفاده از شبکه‌های عصبی مصنوعی با بهینه‌سازی آموزش ژنتیکی

In a daily power market, price and load forecasting is the most important signal for the market participants. In this paper, an accurate feed-forward neural network model with a genetic optimization levenberg-marquardt back propagation (LMBP) training algorithm is employed for short-term nodal congestion price forecasting in different zones of a large-scale power market. The use of genetic algo...

متن کامل

پیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی

پیش بینی تقاضای کوتاه مدت آب شهری کمک موثری به مدیران و بهره برداران سیستمهای آب شهری می باشد تا بتوانند نسبت به مدیریت صحیح مصرف، مخازن، پمپها، شیرآلات و تصفیه خانه ها اقدام نمایند. مصرف کوتاه مدت آب تابعی از پارامترهای مختلف و متنوع مانند شرائط اقلیمی و هواشناسی، مناسبتهای فرهنگی، اقتصادی، اجتماعی و مصارف گذشته می باشد. بدلیل همین تنوع، پیش بینی مصرف کوتاه مدت بصورت تحلیلی بسیار مشکل و یا نام...

متن کامل

پیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی

Short-term water demand modeling plays a key role in urban water resources planning and management. The importance of demand prediction is even greater in countries like Iran with frequent periods of drought. Short-term water demand estimation is useful for planning and management of water and wastewater facilities such as pump scheduling, control of reservoirs and tanks volume, pressure manage...

متن کامل

مقایسه قدرت پیش بینی روش شبکه عصبی مصنوعی با سایر روش های پیش‏بینی: مورد قیمت چغندرقند

این مطالعه با هدف پیش­بینی قیمت اسمی و واقعی چغندرقند و مقایسه روش شبکه عصبی مصنوعی با سایر روش­ها صورت گرفت. پس از بررسی ایستایی سری­ها، تصادفی بودن متغیرها با استفاده از دو آزمون ناپارامتریک والد- ولفویتز و پارامتریک دوربین- واتسون بررسی شد. براساس نتایج این آزمون­ها سری قیمت اسمی چغندرقند به‏عنوان سری غیرتصادفی و قابل پیش­بینی و سری قیمت واقعی به‏عنوان سری تصادفی ارزیابی شد. دوره مطالعه نیز ...

متن کامل

پیش بینی کوتاه مدت بار استان چهارمحال و بختیاری با استفاده از اجماع شبکه های عصبی

پیش­بینی کوتاه مدت بار در بازار برق اهمیت زیادی دارد. از طرفی عوامل مهم تأثیرگذار بر پیش­بینی کوتاه مدت بار به ویژگی­های بار الکتریکی و آب و هوایی هر منطقه بستگی دارد، بنابراین با استفاده از داده­های واقعی استان چهارمحال و بختیاری-شامل بار و دما- به پیش­بینی کوتاه مدت بار الکتریکی استان پرداخته­ایم. بدین منظور با استفاده از چهار روش مختلف شبکه عصبی پرسپترون (MLp < /strong>)، مجمعی از شبکه عصبی ...

متن کامل

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
مهندسی برق و الکترونیک ایران

جلد ۱۱، شماره ۱، صفحات ۳۷-۴۸

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023