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

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 491

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELECTRICA03_046

تاریخ نمایه سازی: 5 اردیبهشت 1396

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.

کلیدواژه ها:

نویسندگان

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

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 93 مقدمه ای بر پیش ...
  • - گروه پژوهشی مطالعات سیستم، " مروری بر الگوریتم های ...
  • - شجاعی رضا- مرداد 2-پیش بینی بار فیدرهای توزیع با ...
  • سلیمان فهرستی ثانی، غضنفر شاهقلیان، مهران زمانی فر - آذر ...
  • _ _ "Introduction to ARIMA models". People.duke.edu. Retrieved 201606 05. ...
  • _ - Jump up * Hyndman, Rob J; Athanasopo ulos, ...
  • نمایش کامل مراجع