CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی بار الکتریکی کوتاه مدت با استفاده از روش های داده کاوی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۲۵۷ | نظرات: ۰
سرفصل ارائه مقاله: کامپیوتر
سال انتشار: ۱۳۹۵
کد COI مقاله: FANAVARI01_088
زبان مقاله: فارسی
حجم فایل: ۳۵۰.۴۸ کیلوبایت (فایل این مقاله در ۸ 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 ۸ 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 بار الکتریکی کوتاه مدت با استفاده از روش های داده کاوی

  پروین نوایی - دانشجوی کارشناسی ارشد، گروه نرم افزار، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی، واحد کرمانشاه، کرمانشاه، ایران
  عبدالله چاله چاله - استادیار، گروه نرم افزار، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی، واحد کرمانشاه، کرمانشاه، ایران

چکیده مقاله:

از آنجایی که انرژی الکتریکی قابل ذخیره سازی نیست، تولید و مصرف آن در صنعت برق بایستی متناسب با تقاضا باشد. شرکت های توزیع نیروی برق به عنوان خریدار برق، پیش بینی بار الکتریکی کوتاه مدت ( STLF ) شبکه تحت پوشش خود را به شرکت های برق منطقه ای به عنوان فروشنده اعلام می کنند. ازآنجایی که الگوی بار مصرفی یک منحنی غیرخطی با پارامترهای متنوعی است، پیش بینی آن با روش های آماری معمول از دقت لازم برخوردار نبوده و کاهش خطای این پیش بینی تاثیر بسزایی در کاهش هزینه تولید، خاموشی های ناخواسته و جریمه های اقتصادی می شود.فرآیند داده کاوی از طریق تکنیک های پیش بینی از قبیل رگرسیون، درخت تصمیم و شبکه عصبی می تواند میزان مصرف برق را به خوبی پیش بینی نماید. هدف از این مقاله، یافتن مدل داده کاوی بهینه ای جهت تحلیل میزان برق مصرفی گذشته و فاکتورهای موثر دیگر از قبیل بهای برق، دمای هوا، سرعت باد، بارش باران، روز هفته، تعطیلی روز و تاریخ جهت پیش بینی مصرف برق در آینده است. مجموعه داده هایی تحقیق مربوط به اطلاعات بار الکتریکی شرکت توزیع برق استان کرمانشاه و نیز اطلاعات هواشناسی اداره کل هواشناسی استان در سال های 1392 و 1393 به صورتروزانه است. برای ساخت مدل های داده کاوی موردنظر در این تحقیق از نرم افزار کلمنتاین 12 استفاده شده است والگوریتم های مورداستفاده شامل درخت رده بندی و رگرسیون ( C&RT )، شبکه عصبی و رگرسیون ساده بوده است. با پیاده سازی مدل های مختلف پیش بینی عددی بر اساس متد CRISP-DM مشاهده گردید شبکه عصبی 2 لایه ای با 5 نرون ورودی و یک نرون خروجی با میانگین درصد خطای 3/28 عملکرد بهتری نسبت به درخت C&RT با میانگین درصد خطای 3/9و الگوریتم رگرسیون با5/9 و نیز روش فعلی پیش بینی با میانگین درصد خطای 3/84 دارد.همچنین مشخص شد که متغیرهای دمای هوا، قیمت برق مصرفی و مصرف برق روز مشابه از سال گذشته بیشترین تاثیر را بر پیش بینی های انجام شده داشتند

کلیدواژه‌ها:

پیش بینی بار الکتریکی ( STLF ) داده کاوی، درخت رده بندی و رگرسیون ( C&RT )، شبکه عصبی، رگرسیون، متدCRISP-DM

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-FANAVARI01-FANAVARI01_088.html
کد COI مقاله: FANAVARI01_088

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:
نوایی, پروین و عبدالله چاله چاله، ۱۳۹۵، پیش بینی بار الکتریکی کوتاه مدت با استفاده از روش های داده کاوی، اولین کنفرانس ملی فناوری های نوین در علوم مهندسی، بیرجند، دانشگاه آزاد اسلامی واحد بیرجند، https://www.civilica.com/Paper-FANAVARI01-FANAVARI01_088.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: (نوایی, پروین و عبدالله چاله چاله، ۱۳۹۵)
برای بار دوم به بعد: (نوایی و چاله چاله، 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 :

  • شاهیده‌پور، محمد؛ عملیات بازار در سیستم‌های الکتریکی قدرت، نشر شیخ ...
  • هادیان حقیقی، احسان؛ پیش‌بینی کوتاه‌مدت بار با استفاده از شبکه‌های ...
  • محمدیان روشن، یاسر؛ طراحی الگوریتم کاربردی پیش‌بینی بار به کمک ... (مقاله کنفرانسی)
  • مشتاق، جلیل؛ پیش‌بینی بار در شبکه توزیع به‌وسیله شبکه‌های عصبی، ... (مقاله کنفرانسی)
  • حیاتی، محسن؛ پیش‌بینی پیک بار مصرفی غرب کشور با استفاده ... (مقاله کنفرانسی)
  • Hand.D, Mannila.H, Smyth.J, "Principles of Data Mining", MIT Press, Cambridge, ...
  • Han.J, Kamber.P, "Data Mining Concepts and Techniques", Elsevier, University of ...
  • Geoffrey.T, Kelvin.Y, "Predicting electricity energy consumption: A comparison of regression ...
  • Ekonomou.L, "Greek long-term energy consumption prediction using artificial neural networks", ...
  • Kavaklioglu.K, Ceylan.H, Ozturk.H and Canyurt.O, "Modeling and prediction of Turkey's ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۶۱۹۴
    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.