استفاده از خوشهبندیهای پیاپی نقشه خودسازمانده برای بهبود پیشبینی پیک بار الکتریکی روزانه مبتنی بر شبکههای عصبی پیشخوراند
نویسندگان
چکیده مقاله:
این مقاله یک مدل شبکه عصبی تلفیقی برای پیشبینی پیک بار الکتریکی(PLF) روزانه ارائه میکند. از آنجاییکه الگوهای مشابهی در دادههای پیک بار وجود دارد، خوشهبندی دادهها دقت پیشبینیها را افزایش خواهد داد. اکثر خوشهبندیهای ارائه شده در ادبیات بدون دلیل و صرفاَ شهودی بودهاند. در این مقاله، ما رویکرد جدیدی برای خوشهبندی دادهها با استفاده از دو نقشه خودسازمانده پیاپی ارائه میکنیم. یک شبکه عصبی پیشخوراند(FFNN) برای هر یک از خوشهها جهت پیشبینیPLF توسعه داده شده است. جهت ارزیابی اثربخشی مدل تلفیقی پیشنهادی، پیشبینی بوسیله توسعه یک شبکه عصبی پیشخوراند که از دادههای خوشهبندی نشده استفاده میکند، انجام شده است. نتایج برتری اثربخشی مدل تلفیقی پیشنهادی را ثابت میکند. همچنین، مدلهای رگرسیون خطی برای PLF توسعه داده شده است و نتایج نشان میدهد که مدل تلفیقی پیشنهادی به میزان قابلتوجهی، پیشبینیهای بهتری را نسبت به مدلهای رگرسیون خطی تلفیقی تولید میکند. لازم بذکر است که از دادههای پیک بار شرکت برق منطقهای تهران جهت آزمایش و اعتبارسنجی مدل استفاده شده است.
منابع مشابه
ستفاده از خوشهبندیهای پیاپی نقشه خودسازمانده برای بهبود پیشبینی پیک بار الکتریکی روزانه مبتنی بر شبکههای عصبی پیشخوراند
متن کامل
استفاده از خوشهبندی های پیاپی نقشه خودسازمانده برای بهبود پیش بینی پیک بار الکتریکی روزانه مبتنی بر شبکه های عصبی پیشخوراند
این مقاله یک مدل شبکه عصبی تلفیقی برای پیش بینی پیک بار الکتریکی(plf) روزانه ارائه می کند. از آنجاییکه الگوهای مشابهی در دادههای پیک بار وجود دارد، خوشهبندی دادهها دقت پیشبینیها را افزایش خواهد داد. اکثر خوشهبندیهای ارائه شده در ادبیات بدون دلیل و صرفاَ شهودی بودهاند. در این مقاله، ما رویکرد جدیدی برای خوشهبندی دادهها با استفاده از دو نقشه خودسازمانده پیاپی ارائه می کنیم. یک شبکه عصبی پ...
متن کاملارائه یک روش ترکیبی مبتنی بر تبدیل موجک گسسته برای پیشبینی بار الکتریکی با استفاده از یک مدل دوبعدی
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 بلندمد...
متن کاملپیشبینی کوتاهمدت بار الکتریکی با استفاده از مدلهای خاکستری بهبودیافته مبتنی بر تکرار
با افزایش تقاضای مصرف انرژی الکتریکی، شناسایی روند تغییرات بار از مسائل حائز اهمیت در شبکههای برق میباشد. در این میان پیشبینی کوتاهمدت بار برای اطمینان از تأمین تقاضا و امنیت شبکه یکی از حیاتیترین مباحث در مدیریت فنی و اقتصادی صنعت برق بهشمار میآید. تاکنون روشهای متعددی با دقتهای متفاوت بهمنظور مدلسازی و پیشبینی بار در کوتاهمدت ارائه شده است. اکثر این روشها از تعداد دادههای زیاد ...
متن کاملارایه یک مدل تحلیلی غیرخطی برای میانگین سالانه زمان مصرف روزانه قله بار الکتریکی در کشور
یران رتبه نخست را در رشد مصرف سرانه انرژی در جهان داراست. اینکه چه عواملی چگونه در این پدیده مؤثر هستند، نیازمند تحلیل است و برای تحلیل این روند، بدست آوردن الگویی که آن عوامل را بشناساند و تغییرات آتی را برآورد کند، ضروری است. با تفکیک تقاضای انرژی الکتریکی به دومتغیر توان و زمان، برای هریک الگویی مجزا به دست می آید. در این مقاله، با استفاده از نتایج یک الگوسازی خطی برای مطالعه اثر دما در میا...
متن کاملمنابع 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 41 شماره 10
صفحات -
تاریخ انتشار 2008-01-21
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