پیش بینی کوتاه مدت بار الکتریکی استان چهار محال و بختیاری با استفاده از شبکه عصبی

هدف از این پروژه، پیش بینی کوتاه مدت بار الکتریکی استان چهار محال و بختیاری با استفاده از شبکه عصبی می باشد. در پیش بینی کوتاه مدت بار، بار از یک ساعت تا چند روز آینده پیش بینی می شود، که به منظور هماهنگی نیروگاه ها، عملکرد اقتصادی سیستم، طرح های انتقال انرژی و در کنترل زمان حقیقی سیستم مورد استفاده قرار می گیرد. عملکرد اقتصادی همراه با قابلیت اطمینان برای یک سیستم قدرت، به طور زیادی بستگی به دقت پیش بینی بار دارد. به منظور دستیابی به هدف ماکزیمم کردن بازدهی عملکرد سیستم و یا به عبارتی مینیمم کردن هزینه کلی سیستم، کارکرد صحیح توابعی شبیه اختصاص سوخت، هماهنگی واحدهای نیروگاهی و برنامه ریزی به منظور تعمیر و نگهداری الزامی است. کارکرد صحیح این توابع، در نتیجه پیش بینی دقیق بار حاصل می شود. بنابراین بهبود در دقت پیش بینی بار منجر به صرفه جویی در هزینه و افزایش امنیت سیستم می شود. به منظور انجام این پروژه، بعد از جمع آوری و طبقه بندی داده های بار گذشته و اطلاعات آب و هوایی، طراحی، آموزش و تست شبکه صورت می گیرد. در طراحی شبکه به منظور پیش بینی کوتاه مدت بار، ملاحظات فراوانی باید در نظر گرفته شود، که خود بیانگر پیچیدگی مسأله پیش بینی کوتاه مدت بار می باشد. به عنوان مثال، روزهای مختلف هفته، به چهار روز مختلف کاری تقسیم می شود، شنبه به عنوان اولین روز کاری، یکشنبه تا چهار شنبه به عنوان روزهای کاری عادی، پنجشنبه آخرین روز کاری (روز قبل از تعطیلی) و جمعه روز تعطیل. تعطیلات خاص، مثل تعطیلات نوروز و یا اعیاد مذهبی نیز در این پروژه مورد توجه قرار می گیرد. همچنین انتخاب مناسب ترین ورودی های شبکه، از بین پارامترهای تأثیر گذار بر پیش بینی کوتاه مدت بار، مسأله ای مهم و نیازمند دقت است، زیرا دقت پیش بینی بار به طور زیادی از ورودی ها تأثیر می پذیرد. در این پایان نامه، از شبکه عصبی پرسپترون چند لایه به منظور پیش بینی بار استفاده شده است. در ادامه درجات آزادی مختلفی شبیه؛ تعداد لایه های مخفی، تعداد نرون های لایه های مخفی، الگوریتم های آموزش مختلف، تعداد داده های مختلف و توابع انتقال مختلف برای طراحی شبکه عصبی پرسپترون مدنظر قرار می گیرد. با مقایسه هایی که در این تحقیق به منظور انتخاب مناسب ترین شبکه برای پیش بینی کوتاه مدت بار استان چهار محال و بختیاری صورت گرفت، شبکه پرسپترون سه لایه با الگوریتم آموزش lmbp و تابع تحریک سیگموئید tansig در هر سه لایه با داده های آموزش بخشی از سال 87 ( از آبان ماه تا پایان اسفند )، داده های سال 88 و بخشی از سال 89 ( از فروردین تا اواسط مهر ) انتخاب شد. با توجه به معیارهای شرکت توزیع ارزیابی عملکرد شبکه طراحی شده به منظور پیش بینی کوتاه مدت برق استان برای تمام روزهای سال ( شامل روزهای عادی، تعطیلات و روزهای خاص ) از دقت قابل قبولی برخوردار است. البته لازم به ذکر است که دقت پیش بینی برای روزهای عادی نسبت به تعطیلات و روزهای خاص بیشتر است.