پیش بینی کوتاه مدت بار با استفاده از ترکیب شبکه های عصبی پرسپترون و کوهنن با تاکید بر روزهای تعطیل
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه مازندران
- نویسنده افشین فتاحی
- استاد راهنما سعید لسان
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1379
چکیده
در این پایان نامه از ایده شبکه های عصبی در پیش بینی کوتاه مدت بار برای پیش بینی منحنی های مصرف روزانه و خصوص روزهای تعطیل سال استفاده شده است ، همان چیزی که مشکل عمده برنامه های پیش بینی بار است . به منظور دست یابی به دقت بالا در پیش بینی منحنی مصرف روزانه به جای استفاده از دسته بندی 24 ساعته از دسته بندی های چند ساعته استفاده شده است که این کار دقت پیش بینی را به مقدار زیادی بهبود داده است . همچنین در ابتدا از یک برنامه پیش بینی درجه حرارت نیز استفاده می شود تا درجه حرارت روز مورد نظر را پیش بینی کند تا از آن در پیش بینی بار کمک بگیریم. نتایج حاصل از بکارگیری این الگوریتم برای سیستم قدرت استان مازندران دقت بالایی را نشان می دهد. استفاده از یک برنامه پیش بینی دما، استفاده از خاصیت تکمیل الگو در یک برنامه جانبی و استفاده از دسته بندی چند ساعته به همراه انتخاب متغیرهای مناسب برای روزهای تعطیل از ویژگیهای این پایان نامه می باشد.
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 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 بار کوتاه مدت با استفاده از تجزیه سری زمانی بار وشبکه عصبی
چکیده پیش بینی بارکوتاه مدت یک فرآیند پایه در بهره برداری سیستمهای قدرت محسوب می‌شود. بسیاری از توابع بهره‌برداری نظیر آرایش تولید، پخش بار اقتصادی، ارزیابی ایمنی و هماهنگی آبی حرارتی به پیش‌ینی بار کوتاه‌مدت وابسته می‌باشند. در طی سه دهه اخیر روش های مختلفی برای پیشبینی بار کوتاه مدت ارائه شده و نرم‌افزارهای صنعتی متعددی نیز بر پایه این روش ها تهیه شده‌اند. از جمله این روش ها می‌توان به ان...
متن کاملپیش 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 کاملاولویت بندی روزهای مشابه جهت پیش بینی بار کوتاه مدت شبکه ایران با درنظرگیری دما و بخش بندی سیستم قدرت
Short term load forecasting (STLF) is one of the important issues in the energy management of power systems. Increasing the accuracy of STLF results leads to improving the energy system scheduling and decreasing the operating costs. Different methods have been proposed and applied in the STLF problem such as neural network, fuzzy system, regression-based and neuro-fuzzy methods. This paper inve...
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 مازندران
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023