CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی قیمت روزانه برق با شبکه عصبی بهبود یافته مبتنی بر تبدیل موجک و روش آشوبناک جستجوی گرانشی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۷۳ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: JR_TJEE-45-4_010
زبان مقاله: فارسی
حجم فایل: ۵۱۰.۵۵ کیلوبایت (فایل این مقاله در ۱۱ 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 ۱۱ 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 قیمت روزانه برق با شبکه عصبی بهبود یافته مبتنی بر تبدیل موجک و روش آشوبناک جستجوی گرانشی

  حسین شایقی - استاد، دانشکده مهندسی برق - دانشگاه محقق اردبیلی - اردبیل - ایران
  علی قاسمی - دانشجوی دکتری، دانشکده مهندسی برق - دانشگاه محقق اردبیلی - اردبیل - ایران

چکیده مقاله:

با سمت گیری و تغییر ساختار بازار برق از بازار انحصاری دولتی به بازار رقابتی که در آن قیمت توسط نیروهای بازار تعیین می شود، نیاز بهطراحی مدلی کارا و مناسب به گونه ای که ریسک شرکت در بازار رقابتی برای فعالان بازار برق را در جهت افزایش سود دهی آنها کاهش دهد،اهمیت ویژه ای یافته است. برای مدلسازی و پیش بینی قیمت برق در بازار رقابتی باید خصوصیات این کالا ازجمله عدم قابلیت ذخیزه هسازی،کم کشش بودن و فصلی بودن تقاضا را در نظر گرفت. مدل ایجادشده درصورتیکه بتواند با ایجاد رابطه ای از داده های قبلی، کم ترین خطایپیش بینی را داشته باشد، موثرتر و کارآمدتر خواهد بود. در مدل های کلاسیک ارایه شده در مسیله پیش بینی قیمت برق با تنوع تعداد متغیرهایورودی و عدم پیروی متغیرها از یک مدل سری مشخص، خطای ناشی از پیش بینی افزایش خواهد یافت. در این مقاله با انگیزه دست یابی بهکمترین خطای پیش بینی و برطرف کردن نواقص روش های قبلی، از روشی ترکیبی تبدیل موجک برای کم کردن نوسانات در داده های ورودی وبه منظور افزایش دقت پیش بینی از شبکه عصبی بهبود یافته مبتنی بر ساختار غیرخطی برای آموزش و یادگیری بهتر بر روی مقادیر گذشته قیمتبرق و استفاده از آن برای اطلاعات آینده و از ایده ترکیبی جدید نظریه آشوب با فن جستجوی گرانشی سعی در یافتن بهترین وزن ها و بایاس هابرای حداقل کردن مربعات خطای پیش بینی بهره گرفته شده است. به منظور نشان دادن کارایی روش پیشنهادی در حل مسیله پیش بینی قیمتبازار برق در مقایسه با سایر روش های اخیر انجام گرفته در این زمینه، از داده های بازارهای واقعی مانند اسپانیا و ایران استفاده شده است. نتایجنشان از دقت بالا و خطای کمتر در پیش بینی می دهد. همچنین قابلیت جستجوی محلی و نهایی الگوریتم هوشمند ارایه شده در تنظیم وزن ها وبایاس های شبکه عصبی به طور قابل ملاحظه ای بهبود یافته است.

کلیدواژه‌ها:

پیش بینی قیمت، الگوریتم بهبود جستجوی گرانشی، تبدیل موجک، نظریه آشوب

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-JR_TJEE-JR_TJEE-45-4_010.html
کد COI مقاله: JR_TJEE-45-4_010

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:
شایقی, حسین و علی قاسمی، ۱۳۹۴، پیش بینی قیمت روزانه برق با شبکه عصبی بهبود یافته مبتنی بر تبدیل موجک و روش آشوبناک جستجوی گرانشی، فصلنامه مهندسی برق دانشگاه تبریز 45 (4)، https://www.civilica.com/Paper-JR_TJEE-JR_TJEE-45-4_010.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: (شایقی, حسین و علی قاسمی، ۱۳۹۴)
برای بار دوم به بعد: (شایقی و قاسمی، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۹۹۴۷
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.