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

Authors

  • برقی نیا, سعیده
  • برهمندپور, همایون
  • وفادار, ناصر
  • وهابی, عبدالحسین
Abstract:

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 ایران، شرکت های برق منطقه ای و در ادامه با توسعه بازار برق، شرکت های توزیع که به منزله خریدار محسوب می شوند می بایست نیاز مصرف ساعت به ساعت کل شبکه تحت پوشش خود را در روزهای آتی پیش بینی و ارائه نمایند. ضمن آنکه شرکت های مدیریت تولید و یا بهره برداری نیروگاه ها نیز ممکن است برای پیش بینی و پیشنهاد قیمت به پیش بینی بار نیاز داشته باشند. بدین ترتیب دقت پیش بینی ضمن بهبود بهره برداری از شبکه تحت پوشش از تخصیص جرایم مربوطه نیز جلوگیری می نماید. با توجه به اهمیت روزافزون پیش بینی بار در بهره برداری سیستم های قدرت و بازار برق، روش هایی به منظور پیش بینی دقیق تر بار ارائه شده است و در این میان روش هایی که بر اساس دید کارشناسانه و از منظر افراد خبره ارائه می شوند، توانایی بالاتری از خود نشان می دهند. در این مقاله روشی برای پیش بینی بار کوتاه مدت بر اساس یافتن روز های مشابه ارائه شده است که با نظر افراد خبره تطابق خوبی داشته و توانسته است در عین ساده تر بودن نسبت به سایر روش های هوشمند نظیر شبکه های عصبی، از دقت مناسبی برخوردار باشند. توانایی این روش برای بهبود دقت پیش بینی بار روزهای خاص (تعطیل ملی و مذهبی) نسبت به روش هایی نظیر سیستم خبره فازی قابل توجه است. نتایج پیش بینی برای داده های بار شبکه سراسری ایران در این مقاله آورده شده و با نتایج پیش بینی شبکه عصبی به همراه سیستم خبره فازی مقایسه شده است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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

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 inve...

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 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 کوتاه مدت بار به روش ماشین بردار پشتیبان

پیش بینی کوتاه مدت مصرف بار الکتریکی نقش اساسی در بهره برداری بهینه از سیستم قدرت ایفا می کند.در این پایان نامه پیش بینی کوتاه مدت بار به وسیله ی روش ماشین بردار پشتیبان مورد مطالعه قرارگرفته شده است. عملکرد اقتصادی و قابلیت اطمینان یک شبکه وابستگی قابل ملاحظه ای به دقت پیش بینی بار دارد. پیش بینی کوتاه مدت بار الکتریکی برای برنامه ریزی در مدار قرار گرفتن نیروگاه ها، و مدیریت بار استفاده می شود...

15 صفحه اول

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

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 11  issue 1

pages  35- 44

publication date 2008-04

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