بکارگیری همزمان شبکه عصبی و مد تجربی در مطالعات پیش بینی کوتاه مدت بار

پیش بینی کوتاه مدت بار برای تنظیم عملکرد سیستم های قدرت و بازار برق هدفی مهم و کلیدی است. بنابراین در زمینه ی پیش بینی بار موردتقاضای سیستم برای مدتی کوتاه ، لازم است که روش های دقیقی پیشنهاد شوند. در این مقاله برای برآورده سازی این مهم، از یک شبکه عصبی استفاده شده است. استفاده موثر از اطلاعات موجود در سیگنالهای آموزش دهنده شبکه عصبی از جمله تاثیرگذارترین موارد بر عملکرد شبکه میباشد. در روش پیشنهادی، انتخاب مناسب سیگنال آموزش از طریق تفکیک آن با استفاده از روش مد تجربی انجام شده است. برای این منظور لازم است که چند گام مختلف برداشته شوند.ابتدا، سیگنال سری زمانی زمانهای ماقبل مربوط به بار سیستم قدرت با استفاده از روش تجزیه مد تجربی به چندین سیگنال بیواسطه تجزیه می شود. هر یک از سیگنال های بیواسطه دارای تغییرات کمتری نسبت به سیگنال اصلی تغییرات بار بوده که منجر به آموزش موثرتر شبکه عصبی مورد استفاده میشود. در گام بعد، سیگنال های آموزش برای شبکه عصبی توسط روش ثابت های وابستگی انتخاب می شوند. سپس، سیگنال های آموزش بیواسطه به عنوان ورودی به شبکه عصبی اعمال می شود. در نهایت پیش بینی بار از مجموع سیگنال های بیواسطه پیش بینی شده توسط شبکه عصبی بدست می آید. نتایج شبیهسازیهای انجام شده نشان میدهد که استفاده از روش پیشنهادی منجر به نتایج قابل توجهی شده است

کلیدواژه ها:

انتخاب مؤثر ، پیش بینی کوتاه مدت بار ، شبکه عصبی ، مد تجربی