اولویت بندی روزهای مشابه جهت پیش بینی بار کوتاه مدت شبکه ایران با درنظرگیری دما و بخش بندی سیستم قدرت

Authors

  • کرمی, حسین دانشجوی دکتری- پژوهشگاه نیرو و دانشکده مهندسی برق- دانشگاه صنعتی امیرکبیر- تهران- ایران
  • غلامی, مصطفی استادیار- گروه مهندسی برق، دانشگاه علم و فناوری مازندران و پژوهشگاه نیرو، بهشهر، ایران
  • کریمی, مازیار دانشجوی دکتری- پژوهشگاه نیرو و دانشکده مهندسی برق- دانشگاه شهید بهشتی - تهران- ایران
Abstract:

Short term load forecasting (STLF) is one of the important issues in the energy management of power systems. Increasing the accuracy of STLF results leads to improving the energy system scheduling and decreasing the operating costs. Different methods have been proposed and applied in the STLF problem such as neural network, fuzzy system, regression-based and neuro-fuzzy methods. This paper investigates the knowledge-based method because of its less computation time and memory compared with other methods. The accuracy of knowledge-based STLF method is improved by proposing a novel priority index for selection of similar days. In this index, temperature similarity and date proximity are simultaneously considered. In order to consider the effect of temperature in STLF more efficiently, the system is partitioned into the smaller regions and the STLF of the whole system is calculated by gathering the STLF of all regions. The proposed method is implemented on a sample real data, Iran’s national power network, to show the advantages of the proposed method compared with Bayesian neural network and locally linear neuro-fuzzy methods in aspects of accuracy and computation time. It is shown that the proposed method decreases yearly mean absolute percentage error (MAPE), and generates more reliable load forecasting.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیشنهاد روشی نوین برای پیش بینی بار کوتاه مدت براساس یافتن روزهای مشابه

مدیریت تولید و توزیع انرژی الکتریکی باید براساس تطبیق عرضه بر تقاضای انرژی برق، اقدام به برنامه ریزی، بهره برداری و سرمایه گذاری بهینه نماید. لذا در برنامه ریزی آینده یک سیستم قدرت، پیش بینی بار از اهمیت ویژه ای برخوردار بوده و باید میزان خطای آن تا حد امکان کاهش یابد. دقت نتایج این پیش بینی بر هزینه تولید و همچنین میزان خاموشی در سیستم قدرت تاثیرگذار می باشد. با راه اندازی بازار برق در شبکه ...

full text

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 ...

full text

پیش بینی بار کوتاه مدت با استفاده از تجزیه سری زمانی بار وشبکه عصبی

چکیده پیش بینی بارکوتاه ‌مدت یک فرآیند پایه در بهره برداری سیستم‌های قدرت محسوب می‌شود. بسیاری از توابع بهره‌برداری نظیر آرایش تولید، پخش بار اقتصادی، ارزیابی ایمنی و هماهنگی آبی حرارتی به پیش‌ینی بار کوتاه‌مدت وابسته می‌باشند. در طی سه دهه اخیر روش های مختلفی برای پیش‌بینی بار کوتاه ‌مدت ارائه شده و نرم‌افزارهای صنعتی متعددی نیز بر پایه این روش ها تهیه شده‌اند. از جمله این روش ها می‌توان به ان...

full text

پیش بینی کوتاه مدت بار با استفاده از ترکیب شبکه های عصبی پرسپترون و کوهنن با تاکید بر روزهای تعطیل

در این پایان نامه از ایده شبکه های عصبی در پیش بینی کوتاه مدت بار برای پیش بینی منحنی های مصرف روزانه و خصوص روزهای تعطیل سال استفاده شده است ، همان چیزی که مشکل عمده برنامه های پیش بینی بار است . به منظور دست یابی به دقت بالا در پیش بینی منحنی مصرف روزانه به جای استفاده از دسته بندی 24 ساعته از دسته بندی های چند ساعته استفاده شده است که این کار دقت پیش بینی را به مقدار زیادی بهبود داده است . ه...

15 صفحه اول

طراحی سیستم فازی جهت پیش بینی بار کوتاه مدت به روش گرادیان نزولی

با گسترش شبکه های قدرت و متصل شدن شبکه های محلی به یکدیگر، مسئله مدیریت بهینه شبکه روز به روز پر اهمیت تر می شود. برنامه ریزی تولید واحد ها در شبکه قدرت بشدت نیازمند برآورد دقیقی از میزان مصرف در آینده است. لذا پیش بینی بار امروزه یکی از ارکان مدیریت شبکه می باشد. با توجه به اینکه پیش بینی بار خود نمونه از مسائل تقریب توابع است، استفاده از روش های هوشمند مانند شبکه های عصبی و یا الگوریتم های فا...

15 صفحه اول

اولویت بندی حفاظتی دوزیستان ایران

کاهش جمعیت و خطر پیش رو انقراض دوزیستان نیازمند اقدامی ضروری در جهت حفظ و حمایت از آن ­ها است. دستیابی به فهرست گونه­ های با اولویت حفاظت می ­تواند عامل موثری به ­منظور تخصیص کارآمد منابع محدود برای حفاظت باشد. در حال حاضر 22 گونه از دوزیستان در ایران زیست می­ کنند که در مطالعه حاضر، 15 گونه از دوزیستان ایران بر پایه­ جایگاه حفاظتی گونه­ ها (IUCN) و تمایز تکاملی (ED) برای انجام اقدام حف...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 14  issue 3

pages  108- 117

publication date 2017-12

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023