پیش بینی تقاضای مصرف کوتاه مدت بار الکتریکی مبتنی بر روش ARX غیر خطی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,120

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCNIEE02_183

تاریخ نمایه سازی: 29 بهمن 1392

چکیده مقاله:

اهمیت پیش بینی میزان مصرف بار امروزه به عنوان یک مسئله ی مهم در بحث برنامه ریزی و توزیع انرژی الکتریکی مطرح است. تا به حال روش های مختلفی جهت حل این مسئله ارائه شده است. به طور کلی روش های پیش بینی بار را می توان در دو دسته هوشمند و کلاسیکطبقه بندی کرد. هرکدام ازاین روش ها دارای مزایا و معایبی می باشند. در این مقاله با استفاده از یک رویکرد شناسایی سیستم، که در طبقه کلاسیک قرار می گیرد، پیش بینی تقاضای مصرف کوتاه مدت بار الکتریکی انجام شده است. روش شناسایی سیستم مورد استفاده، روشARX غیر خطی می باشد. نتایج نشان داد در این روش با سرعت و دقت مناسبی میزان مصرف بار قابل تخمین است. همچنین به علت سادگی ساختار تابع پیش بینی کننده تطبیق آن با سیستم های کنترلی و شبکه های هوشمند ساده تر می باشد

نویسندگان

محسن نظری

دانشگاه آزاد اسلامی واحد ساوه، ساوه، ایران

شهرام کریمی

دانشگاه آزاد اسلامی واحد علوم و تحقیقات کرمانشاه، کرمانشاه، ایران

آرش احمدی

دانشگاه آزاد اسلامی واحد علوم و تحقیقات کرمانشاه، کرمانشاه، ایران

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 :
  • _ _ _ Transactions _ Power Applications and Systems 100, ...
  • Park, J.H., Park, Y.M., Lee, K., b. "Composite modeling for ...
  • _ _ _ _ _ _ _ IEEE Transactions on ...
  • S.j. Parkpoom, G.P. Harrison, "Analyzing the impact of climate change ...
  • Li GD, Wang CH, Masuda S, Nagai M. "A research ...
  • SK, Liatsis P. "Electricity demand loads modeling using auto regressive ...
  • new Aء: [7] Wang B, Tai NL, Zhai HQ, Ye ...
  • _ _ _ _ algorithm for constructing radial basis function ...
  • نمایش کامل مراجع