CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی کوتاه مدت مصرف برق با استفاده از روش خود بازگشتی سیگنال

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۷۷ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: ELECTRICA03_046
زبان مقاله: فارسی
حجم فایل: ۶۷۹.۵۸ کیلوبایت (فایل این مقاله در ۱۰ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۰ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی کوتاه مدت مصرف برق با استفاده از روش خود بازگشتی سیگنال

  مرتضی رسایی - دانشجو کارشناسی ارشد مهندسی برق مخابرات (سیستم) دانشگاه آزاد اسلامی کاشان
  مطهره کیخا - دانشجو کارشناسی ارشد مهندسی برق مخابرات (سیستم) دانشگاه سیستان و بلوچستان
  امیرحسین خنشان - استادیار و عضو هیات علمی دانشگاه آزاد اسلامی کاشان

چکیده مقاله:

پیش بینی کوتاه مدت مصرف بار الکتریکی نقش اساسی در بهره برداری بهینه از سیستم قدرت ایفا می کند. عملکرد اقتصادی و قابلیت اطمینان یک شبکه وابستگی قابل ملاحظه ای به دقت پیش بینی بار دارد و برای برنامه ریزی در مدار قرار گرفتن نیروگاه ها، و مدیریت بار استفاده می شود و به دلیل تاثیرپذیری از روابط متعدد و متنوع غیرخطی بین تغییرات دوره ای روزانه و تغییرات مصرف بار از پیچیدگی خاصی برخوردار است. این پیش بینی در حد نیم ساعت الی یک ساعت یکی از مواردی است که کاربردهای زیادی در شبکه توزیع برق دارد. هدف از این تحقیق، انجام پیش بینی کوتاه مدت با استفاده از مدلسازی خود بازگشتی خطی است. دراین روش، داده های جمع آوری شده از یک پست 63kv با استفاده از روش فوق مدل خواهد شد. با استفاده از توابع خودهمبستگی خطای باقی مانده و معیار مجموع مربعات خطا، نشان داده خواهد شد که روش AR می تواند به خوبی داده را مدل کند. با توجه به اینکه، داده نا ایستادن می باشد، عملکرد روش ARIMA نیز مورد بررسی قرار می گیرد و رتبه بهینه مدل و بهترین طول داده جهت انجام مدل سازی نیز ارایه می شود. با توجه به پیش بینی صورت گرفته مرتبه مدل مناسب روش AR برابر 20 و مراتبه مدل مناسب روش ARIMA برابر ( 0 و 1 و 1 ) است. در مدل AR پیش بینی با خطای 10% صورت می گیرد که دارای مقدار خطا 38.1 و در روش ARIMA مقدار خطا 0.7277 می باشد و مقدار MSE روش شبکه عصبی 2.30 می باشد که روش ARIMA عملکرد بهتری را نشان می دهد.

کلیدواژه‌ها:

پیش بینی، کوتاه مدت، داده، ARIMA، AR

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ELECTRICA03-ELECTRICA03_046.html
کد COI مقاله: ELECTRICA03_046

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
رسایی, مرتضی؛ مطهره کیخا و امیرحسین خنشان، ۱۳۹۵، پیش بینی کوتاه مدت مصرف برق با استفاده از روش خود بازگشتی سیگنال، همایش ملی مهندسی برق، الکترونیک، پزشکی و سرزمین پایدار، مشهد، موسسه آموزش عالی خاوران، https://www.civilica.com/Paper-ELECTRICA03-ELECTRICA03_046.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (رسایی, مرتضی؛ مطهره کیخا و امیرحسین خنشان، ۱۳۹۵)
برای بار دوم به بعد: (رسایی؛ کیخا و خنشان، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • - آخوندی علی اصغر- تابستان ۹۳ مقدمه ای بر پیش ...
  • - گروه پژوهشی مطالعات سیستم، " مروری بر الگوریتم های ...
  • - شجاعی رضا- مرداد ۲-پیش بینی بار فیدرهای توزیع با ...
  • _ _ "Introduction to ARIMA models". People.duke.edu. Retrieved 201606 05. ...
  • _ - Jump up * Hyndman, Rob J; Athanasopo ulos, ...
  • سلیمان فهرستی ثانی، غضنفر شاهقلیان، مهران زمانی فر - آذر ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۱۳۱۶
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.