CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

استفاده از روش KLMS درپیش بینی قیمت برق جهت مطالعات مدیریت مصرف واحدهای صنعتی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۵۸۵ | نظرات: ۰
سال انتشار: ۱۳۸۹
کد COI مقاله: EPDC15_113
زبان مقاله: فارسی
حجم فایل: ۲۲۸.۹۴ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۸ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله استفاده از روش KLMS درپیش بینی قیمت برق جهت مطالعات مدیریت مصرف واحدهای صنعتی

سیدمهدی ضابطیان - دانشجوی کارشناسی ارشد برق قدرت
حامد مدقق - دانشجوی دکتری برق مخابرات
  حبیب رجبی مشهدی - دانشیاردانشگاه فردوسی مشهد
  هادی صدوقی یزدی - استادیار دانشگاه فردوسی مشهد

چکیده مقاله:

امروزه حساسیت میزان مصرف انرژی الکتریک نسبت به نوسانات قیمت برق نسبتاناچیز است اما به هرحال تغییرات قیمت برای برخی مصرف کنندگان بزرگ که امکان حضور مستقیم دربازار برق را دارند بسیارقابل توجه است از این رو برای آنها این امکان وجود دارد که بتوانند با پیش بینی قیمت برق به کمک روشهای هوشمندواکنش مناسب را درمقابل نوسانات قیمت نشان داده و الگوی مصرف خود را بهینه نمایند این مقاله به کمک روش پیش بینی KLMS برخلاف دیگر روشهای پیش بینی به سهولت بدون نیاز به پیش محاسبات ودسته بندی داده های موجود با خطای مناسبتر نسبت به روشهای پیشین مانند شبکهعصبی به پیش بینی قیمت روزآینده پرداخته است سپس برپایه قیمت های بدست آمده برنامه عملکرد روزانه بارهای مصرفی مدیریت پذیر یک مصرف کننده بزرگ باتوجه به تغییرات قیمت برق درمحیط بازار برق با استفاده ازالگوریتم ژنتیک بهینه سازی میگردد.

کلیدواژه‌ها:

الگوریتم پیش بینی KLMS، الگوریتم ژنتیک، بارهای کنترل پذیر، پیش بینی قیمت روزآینده، مدیریت مصرف

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-EPDC15-EPDC15_113.html
کد COI مقاله: EPDC15_113

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:
ضابطیان, سیدمهدی؛ حامد مدقق؛ حبیب رجبی مشهدی و هادی صدوقی یزدی، ۱۳۸۹، استفاده از روش KLMS درپیش بینی قیمت برق جهت مطالعات مدیریت مصرف واحدهای صنعتی، پانزدهمین کنفرانس سراسری شبکه های توزیع نیروی برق، تهران، پژوهشگاه نیرو، https://www.civilica.com/Paper-EPDC15-EPDC15_113.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: (ضابطیان, سیدمهدی؛ حامد مدقق؛ حبیب رجبی مشهدی و هادی صدوقی یزدی، ۱۳۸۹)
برای بار دوم به بعد: (ضابطیان؛ مدقق؛ رجبی مشهدی و صدوقی یزدی، ۱۳۸۹)
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 :

  • Shahidehpour, M, Yamin, H., Market Operation in Electric Power System. ...
  • Gellings, W., Chamberlin, J. H., Demand Side Management Planning. NY: ...
  • Ohta, Y., Tani, Y., "Novel price prediction by using Neural ...
  • Conference on power systems, Portugal, pp. 143-148, 2006. ...
  • Catalao, J., Mariano, S., :Short-Term Electricity Prices Forecasting in _ ...
  • Pokharel, P., Liu, W., Principe, J. C., :Kernel LMS. ICASSP, ...
  • Ashok, S., Banerjee, R., _ Lo _ d-management applications for ...
  • Kung, C. H., Devaney, M. J., :Power source scheduling and ...
  • سید مهدی ضابطیان حسینی، حبیب رجبی مشهدی، سید مجتبی روحانی، ... (مقاله کنفرانسی)
  • Babu, P. R.; Divya, V. P. S., Venkatesh, K., "Application ...
  • Babu, P. R., Divya, V. P. S., Srikanth, P., Singh, ...
  • Widrow, B., Adaptive filters I. Fundamentas (TR 6764-6), Stanford Electronics ...
  • Shawe-Taylor, J., Cristianini, N., Kernel Methods for Pattern Analysis, Cambridge ...
  • Scholkopf, B., Smola, A. J., Learning with Kernels, Massachusets Institute ...
  • سایت هیئت انرژی انتاریو، http:/www. oeb.gov.on.ca ...
  • 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.