بهبود برازش سری زمانی با بکارگیری خوشه بندی سلسله مراتبی برای پیش بینی پیک مصرف انرژی الکتریکی ماهانه
محل انتشار: پنجمین کنفرانس بین المللی مدیریت
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,817
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IRIMC05_040
تاریخ نمایه سازی: 1 دی 1386
چکیده مقاله:
در سیستم قدرت الکتریکی، پیش بینی پیک بار به جهت بهینه سازی افتصادی، برنامه ریزی خط مشی، تخصیص بودجه و مدیریت سوخت نیروگاه ها نقش بسیار مهمی بازی می کند. دقت روش پیش بینی در توسعه یک استراتژی تامین قدرت و طرح توسعه بویژه برای کشورهای در حال توسعه بسیار مهم است. زیرا در این کشورها نرخ رشد تقاضا پویا و زیاد است. در این مقاله یک مدل رگرسیون سری زمان تلفیقی جهت پیش بینی پیک بار الکتریکی ماهانه ارائه می شود و بدین منظور داده های تقاضای پیک بار ماهانه 14 سال گذشته شبکه قدرت الکتریکی سراسری ایران مورد استفاده و تحلیل قرار می گیرد. مدل ارائه شده امکان پیش بینی انرژی الکرتیکی مصرفی یا پیک بار ماهانه را برای ماه آینده فراهم می کند. بطوریکه جهت بهبود برازش سری زمانی، از الگوریتم درخت خوشه ای سلسله مراتبی به منظور خوشه بندی پیک بار مصرفی ماهانه استفاده شده است و ماه های مشابه با یکدیگر در گروه های یکسان قرار داده شده اند. همچنین برای تعیین بهترین حالت خوشه بندی ضریب همبستگی کوفنتیک بکار گرفته شده است. جهت پیش بینی پیک بار ماهانه برای هر خوشه از روش رگرسیون سری زمانی استفاده شده است. آنالیز و مقایسه نتایج پیش بینی با مدل میانگین متحرک و روش رگرسیون سری زمانی بدون انجام خوشه بندی نشان می دهد که مدل ارائه شده دارای دقت مناسبی بوده و خشه بندی داده ها موجب بهبود پیش بینی شده است.
کلیدواژه ها:
نویسندگان
علیرضا سروش
دانشجوی دکتری مهندسی صنایع دانشگاه تربیت مدرس
اردشیر بحرینی نژاد
استادیار بخش مهندسی صنایع دانشگاه تربیت مدرس
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 :