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

تعیین ساعت به ساعت بار با بکارگیری شبکه های عصبی در پیش بینی میان مدت و کوتاه مدت

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۷۹۷ | نظرات: ۰
سرفصل ارائه مقاله: سیستم های خبره
سال انتشار: ۱۳۷۴
کد COI مقاله: PSC10_131
زبان مقاله: فارسی
حجم فایل: ۱۲۸.۲۹ کلیوبایت (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. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF 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 : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله تعیین ساعت به ساعت بار با بکارگیری شبکه های عصبی در پیش بینی میان مدت و کوتاه مدت

  حسین عسکریان ابیانه - دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر
  محمدباقر منهاج - دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر
  فرید جهان بخش - دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر

چکیده مقاله:

پیش بینی بار ساعت به ساعت به صورت میان مدت می تواند معیار مناسبی در برآورد بار و انرژی باشد، همچنین این پیش بینی الگوی خوبی برای پیش بینی کوتاه مدت بار است .
در این مقاله روش جدیدی برای پیش بینی ساعت به ساعت بار به صورت میان مدت و کوتاه مدت با استفاده از شبکه های عصبی ارائه می گردد . برای پیش بینی بار ساعتی در یک روز باید از الگوی تغییرات بار روز مورد نظر و همچنین حداکثر و حداقل بار آن روز استفاده کرد . مقاله برای تعیین الگوی دسته بندی انواع روزها جهت پیش بینی ساعت به ساعت بار به صورت میان مدت از شبکه عصبی کوهنن که یک نوع شبکه عصبی بدون ناظر است و برای پیش بینی میزان بار به صورت کوتاه مدت از شبکه عصبی پرسپترون استفاده می شود . در انتهای مقاله مثالهایی برای پیش بینی بار روزانه در شبکه سراسری برق ایران به منظور اعمال شبکه های عصبی یاد شده ارائه می گردد که نشانگر موفقیت آمیز بودن روش های بکار برده شده است .

کلیدواژه‌ها:

پیش بینی بار، شبکه های عصبی، کاربرد شبکه های عصبی از قدرت

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-PSC10-PSC10_131.html
کد COI مقاله: PSC10_131

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:
عسکریان ابیانه, حسین؛ محمدباقر منهاج و فرید جهان بخش، ۱۳۷۴، تعیین ساعت به ساعت بار با بکارگیری شبکه های عصبی در پیش بینی میان مدت و کوتاه مدت، دهمین کنفرانس بین المللی برق، تهران، شرکت توانیر، پژوهشگاه نیرو، https://www.civilica.com/Paper-PSC10-PSC10_131.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: (عسکریان ابیانه, حسین؛ محمدباقر منهاج و فرید جهان بخش، ۱۳۷۴)
برای بار دوم به بعد: (عسکریان ابیانه؛ منهاج و جهان بخش، ۱۳۷۴)
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 :

  • Expert system for short - Term Load Forecasting , An؛ ...
  • - S. Rahman , I Drezga * Identification of a ...
  • - T. M. Peny , N. F. Hubele , G. ...
  • self- Organizing Map' , IEEE Transaction _ Vol.78, No.9 . ...
  • - R .P. Lippman , ،0An Intriduction to Computing with ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۹۴۸۱
    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.