استفاده ‎از خوشه‎بندی‌های پیاپی نقشه خودسازمانده برای بهبود پیش‌بینی پیک ‎بار الکتریکی روزانه مبتنی بر شبکه‌های عصبی پیشخوراند

نویسندگان

  • محمدرضا امین ناصری
چکیده مقاله:

این مقاله یک مدل شبکه عصبی تلفیقی برای پیش‌بینی پیک بار الکتریکی(PLF) روزانه ارائه می‌کند. از آنجاییکه الگوهای مشابهی در داده‎های پیک بار وجود دارد، خوشه‎بندی داده‎ها دقت پیش‎بینی‎ها را افزایش خواهد داد. اکثر خوشه‎بندیهای ارائه شده در ادبیات بدون دلیل و صرفاَ شهودی بوده‎اند. در این مقاله، ما رویکرد جدیدی برای خوشه‎بندی داده‎ها با استفاده از دو نقشه خودسازمانده پیاپی ارائه می‌کنیم. یک شبکه عصبی پیشخوراند(FFNN) برای هر یک از خوشه‎ها جهت پیش‎بینیPLF توسعه داده شده است. جهت ارزیابی اثربخشی مدل تلفیقی پیشنهادی، پیش‎بینی بوسیله توسعه یک شبکه عصبی پیشخوراند که از داده‎های خوشه‎بندی نشده استفاده می‌کند، انجام شده است. نتایج برتری اثربخشی مدل تلفیقی پیشنهادی را ثابت می‌کند. همچنین، مدلهای رگرسیون خطی برای PLF توسعه داده شده است و نتایج نشان می‌دهد که مدل تلفیقی پیشنهادی به میزان قابل‎توجهی، پیش‎‎بینی‎های بهتری را نسبت به مدلهای رگرسیون خطی تلفیقی تولید می‌کند. لازم بذکر است که از داده‌های پیک بار شرکت برق منطقه‌ای تهران جهت آزمایش و اعتبارسنجی مدل استفاده شده است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

استفاده ‎از خوشه‎بندی های پیاپی نقشه خودسازمانده برای بهبود پیش بینی پیک ‎بار الکتریکی روزانه مبتنی بر شبکه های عصبی پیشخوراند

این مقاله یک مدل شبکه عصبی تلفیقی برای پیش بینی پیک بار الکتریکی(plf) روزانه ارائه می کند. از آنجاییکه الگوهای مشابهی در داده‎های پیک بار وجود دارد، خوشه‎بندی داده‎ها دقت پیش‎بینی‎ها را افزایش خواهد داد. اکثر خوشه‎بندیهای ارائه شده در ادبیات بدون دلیل و صرفاَ شهودی بوده‎اند. در این مقاله، ما رویکرد جدیدی برای خوشه‎بندی داده‎ها با استفاده از دو نقشه خودسازمانده پیاپی ارائه می کنیم. یک شبکه عصبی پ...

متن کامل

ارائه یک روش ترکیبی مبتنی بر تبدیل موجک گسسته برای پیش‌بینی بار الکتریکی با استفاده از یک مدل دوبعدی

چکیده: پیش­بینی میزان تقاضای انرژی الکتریکی و شناسایی روند تغییرات آن، عامل کلیدی و مؤثری در برنامه­ریزی، طراحی و بهره­برداری از  شبکه قدرت است. بی­گمان آگاهی از میزان مصرف انرژی الکتریکی، اساس و زیربنای برنامه­ریزی و تصمیم­گیری در سیستم­های قدرت است. در این مقاله با معرفی روش ترکیبی تبدیل موجک و حداقل مربعات خطا و ارائه یک مدل دوبعدی برای بار، پیش­بینی پیک ماهیانه بار استان زنجان در افق بلندمد...

متن کامل

پیش‌بینی کوتاه‌مدت بار الکتریکی با استفاده از مدل‌های خاکستری بهبودیافته مبتنی بر تکرار

با افزایش تقاضای مصرف انرژی الکتریکی، شناسایی روند تغییرات بار از مسائل حائز اهمیت در شبکه‌های برق می‌باشد. در این میان پیش‌بینی کوتاه‌مدت بار برای اطمینان از تأمین تقاضا و امنیت شبکه یکی از حیاتی‌ترین مباحث در مدیریت فنی و اقتصادی صنعت برق به‌شمار می‌آید. تاکنون روش‌های متعددی با دقت‌های متفاوت به‌منظور مدل‌سازی و پیش‌بینی بار در کوتاه‌مدت ارائه شده است. اکثر این روش‌ها از تعداد داده‌های زیاد ...

متن کامل

ارایه یک مدل تحلیلی غیرخطی برای میانگین سالانه زمان مصرف روزانه قله بار الکتریکی در کشور

یران رتبه نخست را در رشد مصرف سرانه انرژی در جهان داراست. اینکه چه عواملی چگونه در این پدیده مؤثر هستند، نیازمند تحلیل است و برای تحلیل این روند، بدست آوردن الگویی که آن عوامل را بشناساند و تغییرات آتی را برآورد کند، ضروری است. با تفکیک تقاضای انرژی الکتریکی به دومتغیر توان و زمان، برای هریک الگویی مجزا به دست می آید. در این مقاله، با استفاده از نتایج یک الگوسازی خطی برای مطالعه اثر دما در میا...

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 @}


عنوان ژورنال

دوره 41  شماره 10

صفحات  -

تاریخ انتشار 2008-01-21

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023