ارائه یک روش ترکیبی مبتنی بر تبدیل موجک گسسته برای پیش‌بینی بار الکتریکی با استفاده از یک مدل دوبعدی

نویسندگان

  • فرشته صادقی دانشجوی کارشناسی ارشد گروه مهندسی برق - دانشکده مهندسی دانشگاه زنجان
چکیده مقاله:

چکیده: پیش­بینی میزان تقاضای انرژی الکتریکی و شناسایی روند تغییرات آن، عامل کلیدی و مؤثری در برنامه­ریزی، طراحی و بهره­برداری از  شبکه قدرت است. بی­گمان آگاهی از میزان مصرف انرژی الکتریکی، اساس و زیربنای برنامه­ریزی و تصمیم­گیری در سیستم­های قدرت است. در این مقاله با معرفی روش ترکیبی تبدیل موجک و حداقل مربعات خطا و ارائه یک مدل دوبعدی برای بار، پیش­بینی پیک ماهیانه بار استان زنجان در افق بلندمدت صورت می­گیرد. به­منظور ارزیابی کارآمدی این روش، نتایج حاصله از اعمال روش ترکیبی پیشنهادی با چند روش مختلف مقایسه شده ­است. نتایج ارزیابی­ها حاکی از آن است که روش ترکیبی پیشنهادی از توانایی بالاتری در پیش­بینی بار برخوردار است. در انتها نیز با توجه به بهبود قابل‌توجه شاخص­های عملکرد پیش­بینی، از این روش برای پیش­بینی تقاضای آینده بار استان زنجان استفاده شده است. 

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

بررسی اثر تکیه گاه بر تشخیص آسیب در صفحات، با استفاده از تبدیل موجک گسسته ی دوبعدی

برای اطمینان از ایمنی سازه ها و سرویس دهی آن ها برای اهداف مورد نظر، همه ی سازه ها، به خصوص سازه های مهم، به پایش و ارزیابی مداوم و منظم نیاز دارند. در این مقاله، با استفاده از روش تبدیل موجک به تشخیص آسیبهای موجود در صفحات با شرایط تکیه گاهی مختلف، پرداخته می شود. به همین منظور یک صفحه ی مربع شکل به ضلع یک متر در نظر گرفته شده است و شرایط تکیه گاهی مختلف برای ان در نظر گرفته شد. آسیب ها نیز به...

متن کامل

شناسایی خودکار مراحل خواب از سیگنال EEG تک کاناله با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم کلونی مورچگان و شبکه عصبی مبتنی بر طبقه‌بند RUSBoost

طبقه‌بندی کردن خودکار مراحل خواب به منظور تشخیص دادن به موقع اختلالات و مطالعات مرتبط با خواب امری ضروری است. در این مقاله الگوریتمی مبتنی بر EEG تک کاناله برای شناسایی خودکار مراحل خواب با استفاده از تبدیل موجک گسسته و مدل ترکیبی الگوریتم کلونی مورچگان و نیز شبکه عصبی مبتنی بر طبقه‌بند RUSBoost ارائه می‌شود. سیگنال با استفاده از تبدیل موجک گسسته به 4 سطح تجزیه‌ شده و ویژگی‌های آماری از هر یک ا...

متن کامل

تولید شتاب‌نگاشت‌های مصنوعی برای یک ناحیه‌ی خاص با تبدیل موجک

کلید موفقیت در تحلیل‌های تاریخچه‌ی زمانی تا اندازه‌ی زیادی به میزان دسترسی به شتاب‌نگاشت‌های متناسب با شرایط خاک محلی بستگی دارد. اما در بیشتر موارد، نگاشت‌های ثبت‌شده در یک ناحیه‌ی خاص بسیار کم است. در این نوشتار، روشی جدید برمبنای تبدیل موجک برای تولید شتاب‌نگاشت‌های مصنوعی یک ناحیه‌ی‌خاص پیشنهاد شده است. تجزیه‌ی نگاشت‌های حقیقی ثبت‌شده در یک ناحیه به سطوح مختلف، سیگنال‌های پایه با خصوصیات فی...

متن کامل

بررسی اثر تکیه گاه بر تشخیص آسیب در صفحات، با استفاده از تبدیل موجک گسسته ی دوبعدی

برای اطمینان از ایمنی سازه ها و سرویس دهی آن ها برای اهداف مورد نظر، همه ی سازه ها، به خصوص سازه های مهم، به پایش و ارزیابی مداوم و منظم نیاز دارند. در این مقاله، با استفاده از روش تبدیل موجک به تشخیص آسیبهای موجود در صفحات با شرایط تکیه گاهی مختلف، پرداخته می شود. به همین منظور یک صفحه ی مربع شکل به ضلع یک متر در نظر گرفته شده است و شرایط تکیه گاهی مختلف برای ان در نظر گرفته شد. آسیب ها نیز به...

متن کامل

شناسایی مودال سد بتنی قوسی با استفاده از روش ترکیبی تجزیه دامنه فرکانس و تبدیل موجک

شناسایی سیستم یکی از مهم­ترین و مؤثرترین روش­ها برای بررسی رفتار سازه در دوره بهره­برداری و نیز تشخیص مشکلات احتمالی پیش آمده در سازه می­باشد. روش­های متعددی در زمینه شناسایی مودال سیستم­های سازه­ای مورد استفاده قرار می­گیرند که هر کدام مزایا و معایبی را در استخراج پارامترهای مودال (فرکانس­های طبیعی و ضرایب میرایی) دارا هستند. در این مقاله از ترکیب روش­های تجزیه حوزه فرکانس (FDD) و تبدیل موجک (...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 45  شماره 3

صفحات  67- 78

تاریخ انتشار 2015-11-22

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023