CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی بار کوتاه مدت در شبکه فوق توزیع هرمزگان به کمک شبکه عصبی در محیط اطلاعات فازی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۹۳۹ | نظرات: ۰
سرفصل ارائه مقاله: قدرت
سال انتشار: ۱۳۸۴
کد COI مقاله: ICEE13_082
زبان مقاله: فارسی
حجم فایل: ۶۲۷.۴۴ 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 کوتاه مدت در شبکه فوق توزیع هرمزگان به کمک شبکه عصبی در محیط اطلاعات فازی

  سیدحمید حسینی - دانشکده مهندسی برق - دانشگاه صنعتی شریف
  محمدصادق وجدانی - شرکت توزیع نیروی برق استان هرمزگان

چکیده مقاله:

پیش بینی بار یک فرآیند مرکزی و جامع در برنامه ریزی و بهره برداری صنعت برق است . روش های محاسباتی زیادی در دو دهۀ اخیر مطرح شده اند، این روش ها
اغلب از نظر ماهیت با هم تفاوت داشته و به نظریات مختلف مهندسی و تحلیل های اقتصادی پاسخ می دهند . در پیش بینی بار تکنیک های مختلفی برای مسألۀ پیش بینی روزانۀ بار به کار
گرفته شده است . تقریباً تمامی این تکنیک ها از روش های آماری استفاده کرده اند اما امروزه روش های پیشرفته تری وجود دارند که با استفاده از سیستم های خبره مسألۀ پیش بینی بار را انجام می دهند . هدف در این مقاله پیش بینی کوتاه مدت بار بصورت کاربردی برای یک پست فوق توزیع واقعی از منطقۀ هرمزگان است که توسط شبکۀ عصبی پرسپترون انجام می گیرد . همچنین برای در نظر گرفتن عدم قطعیت بار از عدد فازی مثلثی، به عنوان ورودی برای آموزش و تست شبکه عصبی مصنوعی استفاده شده است . در مجموع چهار مدل مختلف برای حالات متنوع پیش بینی بار کوتاه مدت طراحی شده است که عبارتند از : پیش بینی بار یک ساعت آینده ، پیش بینی بار 24 ساعت آینده ، پیش بینی حداکثر بار روز آینده و پیش بینی بار روز آینده به صورت یک عدد فازی

کلیدواژه‌ها:

سیستم قدرت، پیش بینی کوتاه مدت بار، شبکه عصبی، هرمزگان

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-ICEE13-ICEE13_082.html
کد COI مقاله: ICEE13_082

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:
حسینی, سیدحمید و محمدصادق وجدانی، ۱۳۸۴، پیش بینی بار کوتاه مدت در شبکه فوق توزیع هرمزگان به کمک شبکه عصبی در محیط اطلاعات فازی، سیزدهیمن کنفرانس مهندسی برق ایران، زنجان، دانشگاه زنجان، https://www.civilica.com/Paper-ICEE13-ICEE13_082.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: (حسینی, سیدحمید و محمدصادق وجدانی، ۱۳۸۴)
برای بار دوم به بعد: (حسینی و وجدانی، ۱۳۸۴)
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 :

  • -term Short؟، [1] _ S. Dillon, S. Sestito, and S. ...
  • M. T. Hagan and S. M. Behr, ، The time ...
  • A. Khotanzad, A. Abaye, and D. Maratukulam, *Forecasting power system ...
  • A. Khotanzad, M. H. Davis, A. Abaye, and D. J. ...
  • A. Khotanzad, R. C. Hwang, A. Abaye, and D. Maratukulam, ...
  • -term Short؛، [7] K. Y. Lee, Y. _ Cha, and ...
  • C. N. Lu, N. _ Wu, and S. Vemuri, ،Neural- ...
  • I. Moghram and S. Rahman, *Analysis and evaluation of five ...
  • O. Mohammed, et al., ،Practical experiences with an adaptive n ...
  • A. D. P apal exopoulos and T. C. Hesterberg, ،A ...
  • _ D. P apalexopolos _ S. Hao, and T. M. ...
  • D. C. Park, M. A. El-Sharkawi, R. J. Marks, L. ...
  • T. M. Peng, N. F. Hubele, and G. G. Karady, ...
  • Khotanzad, et al، ANNSTLF- a neural network based electric load ...
  • Khotanzad, et al، ANNSTLF- a neural network short term load ...
  • محمد باقر منهاج، مبانی شکه‌های عصبی (هوش محاسباتی)، جلد اول، ...
  • محمد باقر منهاج، مبانی شکه‌های عصبی (هوش محاسباتی)، جلد دوم، ...
  • Zanjan, Iran, May 10-12, 2005. ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۲۵۶۴
    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 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.