×

هشدار

JUser: :_بارگذاری :نمی توان کاربر را با این شناسه بارگذاری کرد: 360

نویسندگان: رضا شوندی، سید یوسف موسی زاده موسوی، حمید حسن زاده فرد

عنوان مقاله: پیش بینی کوتاه مدت بار با استفاده از شبکه عصبی و ترکیب با روشهای هوشمند جهت انتخاب ویژگی

چکیده: با خصوصی¬سازی صنعت برق، پیش¬بینی دقیق بار و پیش¬بینی میزان تقاضای برق آینده، نقش مهمی را در مدیریت استراتژی برق ملی و ناحیه¬ای ایفا می¬کند. پیش¬بینی بار الکتریکی بدلیل پیچیدگی و غیرخطی بودن روابط بار با چندین عامل دیگر، یک مساله چالش برانگیز می-باشد. در این مقاله، روشی برای پیش¬بینی بار الکتریکی پیشنهاد شده است. در این روش از الگوریتم "بهینه¬سازی کلونی مورچگان (ACO)" برای انتخاب ویژگی، و از پرسپترون چند لایه برای پیش¬بینی بار ساعتی استفاده می¬گردد. در این مقاله، شرایط آب و هوایی، ماه، سال، روز هفته، و ساعت به¬عنوان عوامل تاثیرگذار بر بار در نظر گرفته شده¬اند. با استفاده از سری¬های زمانی بار یک سیستم برق ناحیه¬ای، عملکرد مدل ترکیبی (ACO+MLP) و همچنین حالت بدون انتخاب خصیصه (NFS+MLP)، مقایسه می¬گردد. نتایج تجربی و مقایسه عملکرد با تحقیقات جدید مشابه، نشان می¬دهد که مدل ترکیبی ACO+MLP در پیش¬بینی بار 24 ساعت بعد، بر اساس معیار درصد قدر مطلق میانگین خطا (MAPE)، عملکرد مطلوبی را ارائه می¬دهد.
واژه های کلیدی: الگوریتم کلونی مورچگان، انتخاب ویژگی، پیش بینی بار، شبکه عصبی
all right reserved,aliabadiau.ac.ir
تمامی حقوق این سایت برای دانشگاه آزاد اسلامی واحد علی آباد کتول محفوظ می باشد.