بهبود برازش رگرسیون بااستفاده از خوشه‌بندی شبکه‌ی عصبی به‌منظور پیش‌بینی اوج مصرف انرژی الکتریکی ماهانه

author

Abstract:

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 الکتریکی ماهانه بااستفاده از روش خوشه‌بندی و آنالیز مؤلفه‌های اصلیP‌C‌A ارائه شده است. بدین‌منظور داده‌های تقاضای اوج بار ماهانه‌ی ۱۴ سال گذشته در شبکه‌ی قدرت الکتریکی سراسری ایران مورد تجزیه و تحلیل قرار می‌گیرد. مدل ارائه‌شده امکان پیش‌بینی انرژی الکتریکی مصرفی یا اوج بار ماهانه را برای ماه آینده فراهم می‌کند. بدین‌ترتیبکه ابتدا برای بهبود برازش رگرسیون، نقشه‌ی خودسازمان‌دهی(S‌O‌M) به‌منظور خوشه‌بندی اوج بار مصرفی ماهانه طراحی شده است و ماه‌های مشابه با یکدیگر در گروه‌هاییکسان قرار داده شده‌اند. سپس با به‌کارگیری شاخص دیویس ـ بولدین بهترین حالت خوشه‌بندی تعیین شده است. همچنین به‌منظور کاهش ابعاد ورودی‌ها و بهبود نتایج از آنالیز مؤلفه‌های اصلی استفاده شده است. به‌منظور پیش‌بینی اوج بار ماهانه برای هر خوشه نیز از روش رگرسیون استفاده شده است. آنالیز و مقایسه‌ی نتایج پیش‌بینی با روش رگرسیون بدون انجام خوشه‌بندی نشان می‌دهد که دقت عمل مدل ارائه شده بسیار خوب است و خوشه‌بندی داده‌ها موجب بهبود پیش‌بینی شده است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهبود برازش رگرسیون بااستفاده از خوشه بندی شبکه ی عصبی به منظور پیش بینی اوج مصرف انرژی الکتریکی ماهانه

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 الکتریک...

full text

یک روش جدید مکانیابی PMU همراه با مشاهدهپذیری بهبودیافته بهمنظور مدیریت انرژی الکتریکی در شرایط بحرانی

واحدهای اندازهگیری فازور (PMU) امکان راهاندازی سامانههای پایش، حفاظت و کنترل گسترده (WAMPAC) را بهعنوان زیربنای مدیریت انرژی در مواقع بحرانی در بازار برق امروزی فراهم مینمایند. در مقاله حاضر، یک روش جدید مکانیابی بهینه PMUها با استفاده از برنامهریزی خطی عدد صحیح (MILP) ارائه میشود که علاوه بر حداقلسازی هزینه نصب این تجهیزات، مشاهدهپذیری سامانه را نیز بهبود میدهد. همچنین، یک روش نظام‌یافته برای ...

full text

استفاده از رهیافت‌های شبکه‌های عصبی مصنوعی و سری زمانی در پیش‌بینی میزان مصرف انرژی الکتریکی در بخش کشاورزی

هدف اصلی این مطالعه پیش بینی میزان مصرف انرژی الکتریکی در بخش‌کشاورزی است. برای این منظور از روش‌های سری زمانی خود توضیح جمعی میانگین متحرک(ARIMA) و شبکه ی عصبی مصنوعی استفاده شد. به منظور انجام بررسی، از داده‌های سالانه ی دوره ی 1346 تا 1383 برای برآورد و آموزش مدل‌ها و از داده‌های دوره ی 1384 تا 1387 به منظور بررسی قدرت پیش‌بینی مدل‌های مختلف استفاده شد. در این مطالعه معیارهای ارزیابی مختلفی ...

full text

نوسانات قیمت انرژی در مدل‌های رگرسیون چرخشی و شبکه عصبی

اصلاح سازوکار قیمت‌گذاری حامل‌های انرژی در ایران همواره مورد تأکید کارشناسان صندوق بی‌المللی پول بوده است. این توصیه، بیش از هر عاملی، ناظر بر آثار خاص تخصیص طولانی مدت یارانه بر اختلال در قیمت‌های نسبی اقتصاد، هدر رفت منابع، ضعیف شدن پایداری بخش انرژی در اقتصاد و آثار خاص شتاب رشد مصرف انرژی بوده است. لذا لازم است مطالعات علمی بیش‌تری در زمینه قیمت‌گذاری انرژی انجام شود. در این مطالعه نوسانا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume دوره 25  issue 49

pages  73- 83

publication date 2009-07-23

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

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023