اثر ساختار شبکه های عصبی، نوع داده های ورودی و فرکانس نمونه برداری از داده ها بر دقت پیش بینی کوتاه مدت بار الکتریکی توسط شبکه های عصبی پیشرو
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه یزد
- نویسنده آرش موبد
- استاد راهنما محمدتقی المدرسی احمد میرزایی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1388
چکیده
پیش بینی کوتاه مدت بار الکتریکی در بهره برداری سیستم های قدرت، نقش اساسی ایفا می نماید. در این پروژه، پیش بینی بار الکتریکی به دو صورت پیش بینی منحنی بار مصرفی در روز آینده و پیش بینی بار ساعت آینده ارائه شده است. با بررسی شبکه ها و ساختارهای مختلف، مشخص شد که با استفاده از شبکه عصبی پرسپترون سه لایه با متغیرهای ورودی شامل بار روز قبل، متوسط، مینیمم و ماکزیمم دمای روز قبل و کد روز هفته، بهترین پیش بینی منحنی بار مصرفی در روز آینده حاصل خواهد شد که خطای حاصل از این پیش بینی 2/31% می باشد. همچنین تأثیر الگوریتم های آموزش بر دقت پیش بینی بررسی شد که در نهایت مشخص گردید که الگوریتم fletcher-reeves update(cgf) دارای بهترین عملکرد می باشد. همچنین اثر اعمال داده های رطوبت به عنوان ورودی شبکه عصبی نیز بررسی شد و معلوم شد که این عامل در کاهش خطای پیش بینی تأثیری نخواهد گذاشت. سپس کارایی شبکه های عصبی پایه شعاعی در پیش بینی منحنی بار روزانه بررسی شد که خطای پیش بینی در این حالت بیشتر از شبکه های عصبی پرسپترون و 2/49% می باشد. برای پیش بینی بار ساعت آینده، از دو روش شبکه عصبی و شبکه عصبی – فازی استفاده شده است. برای این منظور ابتدا با استفاده از روش c - میانگین فازی، روزهای هفته را به سه دسته روزهای کاری (شنبه تا چهارشنبه)، روز پنجشنبه و روزهای جمعه و تعطیل خاص دسته بندی کرده و سپس هر دسته از ایام هفته، جداگانه با یک شبکه عصبی پرسپترون سه لایه و یک شبکه عصبی - فازی آموزش داده شده است. خطای پیش بینی هنگامی که از شبکه های عصبی استفاده می شود کمتر از 3% می باشد و مزیت این روش این است که زمان آموزش شبکه عصبی به مراتب کمتر بوده و برای پیش بینی های آنی و لحظه ای بهتر می باشد. در حالتی که از شبکه عصبی – فازی برای پیش بینی بار ساعتی استفاده می شود خطای پیش بینی کمتر از 2/8% بوده اما زمان آموزش به مراتب افزایش می یابد. همچنین پیش بینی روزهای تعطیل خاص با این دو روش بهتر صورت می گیرد.
منابع مشابه
پیش بینی کوتاه مدت بار استان چهارمحال و بختیاری با استفاده از اجماع شبکه های عصبی
پیشبینی کوتاه مدت بار در بازار برق اهمیت زیادی دارد. از طرفی عوامل مهم تأثیرگذار بر پیشبینی کوتاه مدت بار به ویژگیهای بار الکتریکی و آب و هوایی هر منطقه بستگی دارد، بنابراین با استفاده از دادههای واقعی استان چهارمحال و بختیاری-شامل بار و دما- به پیشبینی کوتاه مدت بار الکتریکی استان پرداختهایم. بدین منظور با استفاده از چهار روش مختلف شبکه عصبی پرسپترون (MLp < /strong>)، مجمعی از شبکه عصبی ...
متن کاملحساسیت سنجی دقت شبکه های عصبی مصنوعی به کمیت داده های ورودی و مقایسه آن با پیش بینی های ANFTSدر ساخت نمودارهای پتروفیزیکی مصنوعی
متن کامل
پیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی
پیش بینی تقاضای کوتاه مدت آب شهری کمک موثری به مدیران و بهره برداران سیستمهای آب شهری می باشد تا بتوانند نسبت به مدیریت صحیح مصرف، مخازن، پمپها، شیرآلات و تصفیه خانه ها اقدام نمایند. مصرف کوتاه مدت آب تابعی از پارامترهای مختلف و متنوع مانند شرائط اقلیمی و هواشناسی، مناسبتهای فرهنگی، اقتصادی، اجتماعی و مصارف گذشته می باشد. بدلیل همین تنوع، پیش بینی مصرف کوتاه مدت بصورت تحلیلی بسیار مشکل و یا نام...
متن کاملپیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی
Short-term water demand modeling plays a key role in urban water resources planning and management. The importance of demand prediction is even greater in countries like Iran with frequent periods of drought. Short-term water demand estimation is useful for planning and management of water and wastewater facilities such as pump scheduling, control of reservoirs and tanks volume, pressure manage...
متن کاملپیش بینی کوتاه مدت سرعت باد با استفاده از سه نوع ترکیب شبکه های عصبی براساس تقسیم و ترکیب
انرژی باد یکی از قابل دسترس ترین انرژی های تجدید پذیر است. پیش بینی سرعت باد با دقت بالا، برای توسعه این انرژی موثر خواهد بود. این مقاله راه حل مناسبی برای مساله پیش بینی سرعت باد، با استفاده از سه نوع شبکه عصبی براساس تقسیم و ترکیب ارائه می دهد. سه شبکه، به ترتیب، تقویت به وسیله پالایش (BF)، اختلاط خبره ها (ME) و تقویت اختلاط خبره ها (BME) می باشند. در این سه شبکه ابتدا، فضای مساله بین کلاس بن...
متن کاملپیش بینی دمای کمینه ایستگاه کرج با استفاده از داده های شاخص های پیوند از دور و شبکه عصبی مصنوعی
توجه علمی به مخاطرات محیطی که آسیب پذیری بسیاری از کشورهای دنیا را به دنبال دارد، آغازی نسبتاً تازه دارد. یکی از این خطرها یخبندانها می باشند که سبب زیانهای عظیمی در زمینه های کشاورزی، حمل و نقل، انرژی ، زیست محیطی و غیره شده است. جهت جلوگیری از خطرات ناشی از آنها استفاده از روشهای پیش بینی امکان پیش آگاهی از حداقل دما و رخداد پدیده یخبندان را فراهم ساخته تا مسئولان در جهت جلوگیری از آن...
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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه یزد
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023