نام پژوهشگر: اسماعیل خلیل‌زاده

بررسی تأثیر اصلاح داده های بار ساعتی نامناسب در بهبود پیش بینی بار کوتاه مدت به کمک شبکه های عصبی
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان 1388
  اسماعیل خلیل زاده   اکبر ابراهیمی

پیش بینی بار کوتاه مدت، با استفاده از داده هایی صورت می پذیرد که صحت این داده ها در معرض خطاهای سیستم های اندازه گیری، خطاهای انتقال در حین ارسال داده ها و غیره می باشند. در ضمن اتفاقات ناخواسته و خروج¬ها یا خاموشی¬ها در شبکه نیز باعث به¬وجود آمدن داده های بار نامناسب در بین داده¬های بار عادی و غیر عادی شدن پروفایل¬های بار می¬شود. از آن¬جا ¬که کار اصلی برنامه¬های پیش¬بین بار، فراهم کردن پیش¬بینی بار برای شرایط عادی شبکه می¬باشد، بنابراین داده¬های بارهای گذشته در بعضی از ساعات بنا به دلایل ذکر شده، نمی¬توانند شرایط عادی شبکه را منعکس نمایند، لذا وجود روش¬هایی برای شناسایی این داده¬¬ها و حذف و یا تخمین مقادیر مناسب برای آن¬ها ضروری به نظر می¬رسد. در این پایان نامه ضرورت پالایش داده¬های بار غیر عادی و سپس روش¬های مختلف حذف پروفایل¬های بار مربوط به آن¬ها، همچنین روشی مبتنی بر قدر مطلق باقیمانده نرمالیزه شده، جهت اصلاح این داده¬ها به جای حذف، مطرح و پیش¬بینی بار روزهای عادی شبکه قدرت استان اصفهان به کمک هر یک از این روش¬ها انجام می¬گیرد، سپس به مقایسه این روش¬ها جهت کاهش خطای پیش¬بینی بار پرداخته می¬شود. در ادامه تأثیر حذف پروفایل¬های بار غیر عادی و اصلاح داده¬های بار نامناسب در هر ساعت در کاهش خطای پیش¬بینی کوتاه مدت بار سیستم قدرت استان اصفهان به کمک شبکه¬های عصبی پیشخور نشان داده می¬شود. پیش¬بینی بار روزهای تعطیل رسمی به علت الگوی مصرف بار خاص و کمی تعداد نمونه¬های مشابه در پروفایل¬ بارهای گذشته، همواره یکی از مشکلات اساسی سیستم¬های پیش¬بینی¬کننده بار بوده است. همچنین تعطیلات متعدد و جابه¬جا شدن تعطیلات تقویم قمری و نیز وجود داده-های بار غیر عادی در اطلاعات ثبت شده، تأثیر منفی بر دقت پیش¬بینی بار این روزها می¬گذارد. در این پایان نامه روشی مبتنی بر قدر مطلق باقیمانده نرمالیزه شده، جهت شناسایی و اصلاح این داده¬ها مطرح و تأثیر اصلاح آن¬ها در کاهش خطای پیش¬بینی بار این روزها به کمک شبکه¬های عصبی پیشخور بررسی می¬گردد. روش پیشنهادی برای پیش¬بینی بار روزهای تعطیل رسمی در سیستم قدرت استان اصفهان استفاده و نتایج آن با روش¬های دیگر مقایسه می¬گردد. نتایج به¬دست آمده تأثیر قابل ملاحظه اصلاح داده¬های بار ساعتی نامناسب را در کاهش خطای پیش¬بینی بار روزهای عادی و به¬خصوص روزهای تعطیل رسمی نشان می¬دهد. در نهایت به پیش¬بینی بار کارخانه فولاد مبارکه که دارای الگوی بار کاملاً منحصر به¬فردی می¬باشد و منحنی¬های بار مصرفی آن شکل یک پروفایل بار عادی روزانه را ندارند، با تأکید بر روش پیشنهادی پرداخته شده است.