پیش بینی تقاضای بلندمدت انرژی الکتریکی با استفاده از الگوریتم ترکیبیِ عصبی- فازی و انبوه ذرات
نویسندگان
چکیده مقاله:
با توجه به عدم امکان ذخیره انرژیالکتریکی ، شناسایی عواملموثر بر تقاضای این حامل انرژی و پیشبینی دقیق روند آتی آن، ضرورت دارد . تاکنون روشهای مختلفی در این زمینه مورد استفاده قرار گرفته است که در میان آنها روشهای هوشمند و بهویژه روشهای فازی، دارای قابلیتهای بیشتری هستند. در مطالعه حاضر از سیستم استنتاج عصبی- فازی ترکیب شده با الگوریتم انبوهذرات ( PSO -ANFIS ) استفاده شده و پس ازشبیهسازی روند تقاضای بلندمدت انرژیالکتریکی طی دورۀ 1359 تا 1389 و بررسی کارایی سیستم، روند تقاضای بلندمدت انرژیالکتریکی کل کشور تا سال 1404 پیشبینی شده است. نتایج مطالعه، قدرت بالای الگوریتم ترکیبی انبوه ذرات و سیستم استنتاج عصبی- فازی تطبیقی را در پیشبینی تقاضای بلندمدت انرژیالکتریکی تایید میکند. نتایج نشان می دهد که براساس محتملترین سناریو، تقاضای انرژیالکتریکی کشور در سال 1404 به 401 میلیارد کیلووات ساعت خواهد رسید . همچنین ، براساس نتایج بدست آمده، کارایی روش پیشنهادی در پیشبینی متغیرهای مستقل در مقایسه با الگوی خطی ARIMA بیشتر است.
منابع مشابه
پیش بینی تقاضای انرژی با استفاده از شبکه عصبی مبتنی بر الگوریتم انبوه ذرات
انرژی نقش اساسی در فرایند تولید و رفاه اجتماعی داشته و پیش بینی تقاضای آن به منظور تنظیم بازار و عرضه مطمئن آن امری ضروری می باشد. با توجه به روند پرنوسان و غیرخطی تقاضای انرژی و متغیرهای موثر بر آن، مدل های غیرخطی بخصوص شبکه-های عصبی و الگوریتم انبوه ذرات در این امر توفیق بیشتری داشته اند. با توجه به اینکه در کنار نقاط قوت فراوان، این تکنیک ها دارای نقاط ضعفی مانند نیاز به تعیین فرم تبعی خاص، ...
متن کاملپیشبینی تقاضای انرژی با استفاده از شبکه عصبی مبتنی بر الگوریتم انبوه ذرات
انرژی نقش اساسی در فرایند تولید و رفاه اجتماعی داشته و پیشبینی تقاضای آن به منظور تنظیم بازار و عرضه مطمئن آن امری ضروری میباشد. با توجه به روند پرنوسان و غیرخطی تقاضای انرژی و متغیرهای موثر بر آن، مدلهای غیرخطی بخصوص شبکه-های عصبی و الگوریتم انبوه ذرات در این امر توفیق بیشتری داشتهاند. با توجه به اینکه در کنار نقاط قوت فراوان، این تکنیکها دارای نقاط ضعفی مانند نیاز به تعیین فرم تبعی خاص، ...
متن کاملانتخاب سناریوی مناسب برای پیش بینی تقاضای انرژی بخش خانگی-تجاری با استفاده از الگوریتم بهینهسازی انبوه ذرات
در دهههای اخیر، انرژی در کنار سایر عوامل تولید نقش تعیینکنندهای در رشد اقتصادی کشورها داشته و اهمیت آن همچنان رو به افزایش است. رشد اقتصاد جهان و روند صنعتی شدن موجب افزایش تقاضا و مصرف انرژی شده است. از سوی دیگر از میان بخشهای مصرفکنندهی انرژی، بخش خانگی– تجاری یکی از پرمصرفکنندهترین بخشهای تقاضای انرژی است. بطوریکه بیش از 34% از میزان مصرف انرژی را نسبت به سایر بخشها به خود اختصا...
متن کاملکاربرد شبکه عصبی مبتنی بر الگوریتم ژنتیک در پیش بینی تقاضای بلندمدت انرژی
پیشبینی تقاضای انرژی جهت عرضه به موقع، تنظیم بازار، هدفگذاری میزان صادرات و ایجاد امنیت انرژی اهمیت ویژهای دارد. روشهای مختلفی برای پیشبینی تقاضای انرژی معرفی شده است که در این بین با توجه به روند غیرخطی و پرنوسان تقاضای انرژی، تکنیکهای غیرخطی نتایج مطلوبتری داشته است. شبکههای عصبی و الگوریتم ژنتیک از مهمترین و پرکاربردترین تکنیکهای غیرخطی در این زمینه میباشند که هر یک نقاط ضعف و قوت خ...
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 3 شماره 10
صفحات 21- 56
تاریخ انتشار 2013-03
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023