پیش بینی بلند مدت بار الکتریکی برای یک شبکه واقعی

پایان نامه
چکیده

یکی از مهم ترین ملزومات تمدن فعلی جهان استفاده گسترده از انرژی الکتریکی است. عدم قابلیت ذخیره سازی در ابعاد بزرگ و هزینه بر بودن تولید انرژی الکتریکی از جمله ویژگی های این کالا می-باشد. در نتیجه با توجه به این ویژگی ها، ما به شدت نیازمند آگاهی از میزان مصرف در آینده خواهیم بود تا به این وسیله بتوان در جهت افزایش میزان سود و کاهش ریسک اقدام کرد. پیش بینی میزان تقاضای انرژی الکتریکی و شناسایی روند تغییرات آن، عامل کلیدی و موثر در طراحی و بهره برداری از شبکه قدرت می باشد. بی گمان آگاهی از میزان مصرف انرِژی الکتریکی، اساس و زیربنای برنامه ریزی و تصمیم گیری در سیستم های قدرت است. در یک دسته بندی کلی، پیش بینی بار الکتریکی در سه گروه پیش بینی کوتاه مدت، میان مدت و بلند-مدت قرار می گیرد. بسته به اینکه با چه هدفی چه نوع پیش بینی باری مورد توجه قرار گیرد، عوامل و شرایط اقتصادی، اجتماعی، اقلیمی و... تأثیرگذار در آن متفاوت خواهد بود. در این پایان نامه سعی شده است با ارائه ی روش ها و مدل سازی بار، خطای حاصل از پیش بینی بلندمدت بار را حداقل ساخت. پیش بینی بلندمدت بار الکتریکی مبتنی بر تبدیل موجک گسسته و مدل دوبعدی بار از جمله روش های پیشنهادی در این پایان نامه بوده است. از دیگر روش های ارائه شده، مدل سازی تابع تقاضای انرژی براساس متغیرهای تاثیرگذار در قالب الگوی خطی و نمایی می باشد. نتایج حاصل از این روش های پیشنهادی، بیانگر آن است که این روش ها از قابلیت خوبی در امر پیش-بینی برخوردارند. بطوریکه می توان خطای پیش بینی بار را بطور قابل ملاحظه ای نسبت به روش های مقایسه شده در پایان نامه کاهش داد.

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 کامل

پیشنهاد روشی نوین برای پیش بینی بار کوتاه مدت براساس یافتن روزهای مشابه

مدیریت تولید و توزیع انرژی الکتریکی باید براساس تطبیق عرضه بر تقاضای انرژی برق، اقدام به برنامه ریزی، بهره برداری و سرمایه گذاری بهینه نماید. لذا در برنامه ریزی آینده یک سیستم قدرت، پیش بینی بار از اهمیت ویژه ای برخوردار بوده و باید میزان خطای آن تا حد امکان کاهش یابد. دقت نتایج این پیش بینی بر هزینه تولید و همچنین میزان خاموشی در سیستم قدرت تاثیرگذار می باشد. با راه اندازی بازار برق در شبکه ...

متن کامل

پیش بینی کوتاه مدت بار الکتریکی استان چهار محال و بختیاری با استفاده از شبکه عصبی

هدف از این پروژه، پیش بینی کوتاه مدت بار الکتریکی استان چهار محال و بختیاری با استفاده از شبکه عصبی می باشد. در پیش بینی کوتاه مدت بار، بار از یک ساعت تا چند روز آینده پیش بینی می شود، که به منظور هماهنگی نیروگاه ها، عملکرد اقتصادی سیستم، طرح های انتقال انرژی و در کنترل زمان حقیقی سیستم مورد استفاده قرار می گیرد. عملکرد اقتصادی همراه با قابلیت اطمینان برای یک سیستم قدرت، به طور زیادی بستگی به د...

15 صفحه اول

پیش 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 کامل

بهبود روش پیش بینی کوتاه مدت بار الکتریکی در شبکه های توزیع با استفاده از شبکه های عصبی

پیش بینی کوتاه مدت بار نقش مهمی در طراحی و بهره برداری از سیستم های قدرت ایفا می کند، به طوری که در برنامه ریزی ورود و خروج واحدها، با ملاحظه محدودیت های تولید واحدها و محدودیت های شبکه، مورد استفاده قرار می گیرد. پیش بینی بار در سیستم های قدرت تجدید ساختار یافته اهمیت مضاعفی می یابد. پیش بینی دقیق بار قیمت تولید برق را در سیستم های قدرت کاهش می-دهد و باعث بهره برداری موثر از آن خواهد شد. روشها...

15 صفحه اول

اولویت 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 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 @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه زنجان - دانشکده برق

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023