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 فازی می تواند در تحقق برآورد دقیق، موثر باشد. در این پایان نامه، هدف تهیه نرم افزاری جهت پیش بینی بار شهرستان مشهد به روش هوشمند است. جهت نیل به این مقصود شبکه های عصبی پس انتشار، سیستم فازی با الگوریتم آموزش گرادیان نزولی و همچنین سیستم فازی با الگوریتم آموزش rls مورد آزمایش قرار گرفت. پارامترهای معیار مقایسه روش های فوق در این مطالعه، دقت پیش بینی است و از اطلاعات تاریخی و آب و هوایی جهت پیش بینی بار استفاده شده است. نتایج بیانگر دقت مطلوب شبکه های عصبی پس انتشار در پیش بینی بار شهرستان مشهد است. همچنین سیستم فازی با الگوریتم آموزش rls نیز می تواند گزینه متاسبی جهت پیش بینی بار باشد، لیکن بایستی محدودیت های سخت افزاری پیاده سازی این روش در نظر گرفته شود.