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

پیش بینی کوتاه مدت بار الکتریکی شبکه سرتاسری ایران با استفاده از شبکه های عصبی و منطق فازی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۳۳۰۶ | نظرات: ۰
سرفصل ارائه مقاله: مدیریت بار
سال انتشار: ۱۳۸۴
کد COI مقاله: PSC20_099
زبان مقاله: فارسی
حجم فایل: ۴۳۸.۷۳ 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 پیش بینی کوتاه مدت بار الکتریکی شبکه سرتاسری ایران با استفاده از شبکه های عصبی و منطق فازی

هادی رزمی - دانشجوی کارشناسی ارشد کنترل دانشکده مهندسی برق و کامپیوتر دانشگاه تب
  محمدتقی وکیل باغمیشه - استادیار گروه کنترل دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز ایرا

چکیده مقاله:

پـیش بینی کوتــاه مـدت مصـرف بــار الـکتریــکی نقـش اساسی در بهره برداری بهینه از سیستمهای قدرت دارد . در این مقاله با اس تفاده از شبـکه عصبی پرسپترون چنـد لایـه ( MLP ) [1] و منطق فازی [2] مـدلی جهت پــیش بینـی کوتــاه مـدت بـار الـکتریـکی مطرح شده است . این مدل بار الکتریکی را به دو بخش تقسـیم مـی کنـد . منحنـی بـار نرمـالیزه و مینـیمم و ماکزیمم بار . منحنی نرمـالیزه بـار توسـط یـک شـبکه عصـبی متشکل از 16 مدول MLP پیش بینی می شود . 16 مدول مـورد استفاده برای پیش بینی بار در روزهای کاری هفته ( یکشنبه تـا چهارشــنبه ) ، روزهــای تعطیــل، روزهــای قبــل از تعطیلــی، و روزهای بعد از تعطیلی در هر یک از فصـول بهـار، تابسـتان، پائیز، و زمستان به کار می روند . مقادیر مینیمم و مـ اکزیمم بـار در هر روز توسط منطق فازی پیش بینی خواهـد شـد . در ایـن مــدل، شــرایط آب و هــوایی، تغییــرات ماهیانــه، نــوع روز و اطلاعات تعطیلات خاص در نظر گرفته شده اند . مدل مـذکور توسط اطلاعات بار اخذ شده از مرکز دیسپاچینگ ایران مـورد آزمایش واقع گردیده است و متوسط قدرمطلق خطای بدستآمده 1/6 درصد می باشد .

کلیدواژه‌ها:

پیش بینی کوتاه مدت بار، شبکه های عصبی، پرسپترون چند لایه، منطق فازی

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-PSC20-PSC20_099.html
کد COI مقاله: PSC20_099

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:
رزمی, هادی و محمدتقی وکیل باغمیشه، ۱۳۸۴، پیش بینی کوتاه مدت بار الکتریکی شبکه سرتاسری ایران با استفاده از شبکه های عصبی و منطق فازی، بیستمین کنفرانس بین المللی برق، تهران، شرکت توانیر، پژوهشگاه نیرو، https://www.civilica.com/Paper-PSC20-PSC20_099.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: (رزمی, هادی و محمدتقی وکیل باغمیشه، ۱۳۸۴)
برای بار دوم به بعد: (رزمی و وکیل باغمیشه، 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 :

  • M.T. Vakil-B aghmisheh _ N. Pavesic, ، ،B ackprop agation ...
  • M. Sugeno, T. Yasukawa, 4A Fuzzy- Logic-Based Approach to Qualitative ...
  • پیش بینی روزانه مصرف بار الکتریکی ایران توسط مدلی جدید از ترکیب دو شبکه عصبی کوهونن [مقاله کنفرانسی]
  • Term Load Short؛، [4] A.K. Sinha, Forecasting Using Artificial Neural ...
  • M. WenXiao, B. XiaoMin, M. LianShun, -Term Load Forecasting With ...
  • S. Barghinia, P. Ansarimehr, H. Habibi, Term Load Short؛، N. ...
  • P. Ansarimehr, S. Barghinia, H. Habibi, Term Load Short؛، N. ...
  • 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.