ارائه روش هایبرید وفقی-عصبی برای پیش بینی بار شبکه توزیع توان در مدت زمان کوتاه

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 911

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACWEC01_042

تاریخ نمایه سازی: 8 آذر 1394

چکیده مقاله:

پیش بینی بار کوتاه مدت یکی از راههای بسیار مهم کاهش هزینههای تولید انرژی در نیروگاههای برق است در این مقاله به بررسی عملکرد یک الگوریتم هایبرید شبکه عصبی- فیلتر وفقی در مورد پیش بینی کوتاه مدت بار در شبکههای توزیع توان خواهیم پرداخت. شبکه عصبی مورد استفاده برای اینکار از نوعRBF بوده والگوریتم مورد استفاده برای انتخاب مراکز توابع شعاعی لایه مخفی آنK-means و الگوریتم استفاده شده برای به روز رسانی وزنهای لایه خروجی آن LMS با اندازه گام متغیر است که برای بهبود عملکرد و افزایش سرعت آموزش از آن استفاده کردهایم. نشان خواهیم دادکه این الگوریتم علاوه بر دقت بسیار بالا در مدل سازی و پیش بینی بار، از سرعت بالاتری نسبت به الگوریتمهایی که تاکنون ارائه شدهاند برخوردار است و تا 03 درصد در زمان صرفه جویی میشود که درپیش بینیهای بسیار کوتاه مدت و همچنین زمانی که دادهها بسیار زیادند کاربرد مهمی دارد

کلیدواژه ها:

شبکه عصبی ، )radial basis function( RBF ، پیش بینی کوتاه مدت بار Short time load forecasting ، الگوریتم وفقی Least mean( LMS squared algorithm ، اندازه گام متغیر

نویسندگان

مهدی پناهی

دانشگاه علوم و تحقیقات واحد ساوه

رضا قادری

دانشیار دانشگاه شهید بهشتی تهران

احسان مصطفی پور

دانشجوی دکتری دانشگاه ارومیه

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Artificial neural ANNSTLF:ه Maratukulam, D., network shortterm load forecaster generation ...
  • Simon Haykin, Neural networks and learning machines. Prentice Hall, pp. ...
  • I. Moghram and S. Rahman, "Analysis and evaluation of five ...
  • C.N. Lu, H.T. Wu, and S. Vemuri, "Neural network based ...
  • N. Dongxiao et al. "Improved RBF network applied to short-term ...
  • Z. Fan, S.; Chen, L. Short-Term Load Forecasting Based _ ...
  • Kwong R. H., and Johnston E.W., "A variable step size ...
  • C.e.G. Lopes and J.e.M. Bermudez, "Evaluation and design of variable ...
  • J.W. Taylor and R. Buizza, "Neural network load forecasting with ...
  • Nima Amjady, Farshid Keynia, _ New Neural Network Approach to ...
  • of Electrical Power Systems, " Energies Journal, vol. 4, pp. ...
  • H.S. Hippert, C.E. Pedreira, and R.C. Souza, SNeural networks for ...
  • R.F. Engle, C. Mustafa, J. Rice, 'Modeling peak electricity demand', ...
  • IEEE Transactions on Power Systems, 1997, 12, 84 - real-time ...
  • implementation of short - term load forecasting for distribution power ...
  • نمایش کامل مراجع