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

پیش بینی بلند مدت تقاضای انرژی الکتریکی در منطقه آذربایجان با استفاده از شبکه عصبی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۱۳۹ | نظرات: ۰
سرفصل ارائه مقاله: مدیریت بار
سال انتشار: ۱۳۸۳
کد COI مقاله: PSC19_108
زبان مقاله: فارسی
حجم فایل: ۳۶۴.۹۶ کلیوبایت (فایل این مقاله در ۷ 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 ۷ 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 پیش بینی بلند مدت تقاضای انرژی الکتریکی در منطقه آذربایجان با استفاده از شبکه عصبی

محرم خانکشی زاده - شرکت مهندسی مشاور نیروی آذربایجان ( منا ) تبریز – ایران

چکیده مقاله:

پیش بینی تقاضای انرژی الکتریکی یکی از مولفه های اساسی سیستم مدیریت انرژی میباشد . در این مقاله، با توجه به اهمیت موضوع، از شبکه عصبی پرسپترون چند لایه با حلقه های برگشتی موسوم به شبکه RMLP برای پیش بینی بلند مدت تقاضای انرژی در منطقه آذربایجان استفاده شده است . برای آموزش شبکه علاوه بر متغیرهای توصیفی تاثیر گذار بر سیستم مصرف انرژی الکتریکی، مولفه هائی از تراز انرژی منطقه نیز مورد استفاده قرار گرفته است . پریود مبناء پیش بینی و پریود پیش بینی بترتیب سالهای 1369 تا 1380 و 1381 تا 1390 انتخاب گردیده و در آخر نتایج
حاصل با نتایج بدست آمده از یک روش معمول ریاضی و تقاضای واقعی انرژی الکتریکی در منطقه مقایسه شده است .

کلیدواژه‌ها:

پیش بینی ، تقاضای انرژی ، تراز انرژی ، شبکه های عصبی

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-PSC19-PSC19_108.html
کد COI مقاله: PSC19_108

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:
خانکشی زاده, محرم، ۱۳۸۳، پیش بینی بلند مدت تقاضای انرژی الکتریکی در منطقه آذربایجان با استفاده از شبکه عصبی، نوزدهمین کنفرانس بین المللی برق، تهران، شرکت توانیر، شرکت متن، https://www.civilica.com/Paper-PSC19-PSC19_108.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: (خانکشی زاده, محرم، ۱۳۸۳)
برای بار دوم به بعد: (خانکشی زاده، ۱۳۸۳)
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 :

  • K.S.Narendra, Parthasrathy.k, _، Indentification and Control of Dynamical System Using ...
  • H _ B acha, W.Meyer, ،0A Neural Network Arch itecture ...
  • Alexander. G _ Parlo s, Alton.D .Patton, *'Long- term Electric ...
  • Alexander. G .Parlos _ Esmaeil .Oufi, Gayakumar Muthusami , Alton ...
  • ، ^Near and long Term Load Prediction Using Radial Basis ...
  • Alex D .Papalexopuls _ Shangyouha, Tie - Mao Peng, "An ...
  • D.Srinirasan , A.C.Liew _ J. S.P.Chen, "A Novel Approach to ...
  • D.D.Highleg, T.J.Hilmes, _ Forecsting by ANN?, IEEE Computer Application in ...
  • M.f.Hancock , Jr.MS, *Principle of Electricity Demand Forecasting(P art 1, ...
  • Battes.D, And D. Watts, " NonLinear Regression Analysis And Its ...
  • . پیش‌بینی بلندمدت تقاضای ارژی الکتریکی در منطقه آذربایجان با ... [مقاله کنفرانسی]
  • محرم خانکشی زاده-سینا کوشان، " پیش بینی بار نواحی توزیع ... (مقاله کنفرانسی)
  • بانک مرکزی جمهوری اسلامی ایران، " ترازنامه بانک مرکزی جمهوری ...
  • بانک مرکزی جمهوری اسلامی ایران، "مجله بانک مرکزی جمهوری اسلامی ... (مقاله ژورنالی)
  • سازمان آمار ایران، "آمار نامه های استان آذربایجانشرقی - غربی ...
  • وزارت نیرو - معاونت انرژی - دفتر برنامه ریزی انرژی، ...
  • (وزارت نیرو - امور انرژی - دفتر برنامه ریزی انرژی)، ...
  • شرکت برق منطقه ای آذربایجان - معاونت برنامه ریزی و ...
  • 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.