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

Application of Wavelet and PSO to Price Forecasting in a Deregulated Market

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۲۳۵۳ | نظرات: ۰
سرفصل ارائه مقاله: مطالعات سیستم
سال انتشار: ۱۳۸۶
کد COI مقاله: PSC22_217
زبان مقاله: انگلیسی
حجم فایل: ۱۲۲.۶۷ 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 Application of Wavelet and PSO to Price Forecasting in a Deregulated Market

   Jahanbani Ardakani - Tehran, Amirkabir University of Technology (Tehran PolyTechnic)
  Rana Tahmasebi - Tehran, Amirkabir University of Technology (Tehran PolyTechnic)
   Hosseinian - Tehran, Amirkabir University of Technology (Tehran PolyTechnic)

چکیده مقاله:

As a consequence of revolution in electricity trading in recent years and moving the world towards a competition electricity framework, awareness of accurate future prices is necessary for market participants. Hour ahead price forecasting can help production companies to match their generation and bidding in order to face less risk and improve their profit. Many methodologies have been applied to this aim in recent years. In this literature a method based on wavelet networks and Particle Swarm Optimization (PSO) is employed to predict the electricity prices in
short term. Three approaches is considered in implementation. The applied approaches are wavenet trained with PSO, wavenwt trained with back propagation and Multi Layer Percepteron. The Canada market information is used for approving that the proposed method is enough exploited. The results exhibit an acceptable correlation between predicted prices and actual data and show the method is robust enough. The results of mentioned methods are compared at the results and discussion part. The results show that the proposed method has better forecasting
error(MAPE) in contrast with two other implemented methods.

کلیدواژه‌ها:

price forecasting, wavelet networks, PSO method, electricity market load forecasting.

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-PSC22-PSC22_217.html
کد COI مقاله: PSC22_217

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:
Jahanbani Ardakani, ; Rana Tahmasebi & Hosseinian, ۱۳۸۶, Application of Wavelet and PSO to Price Forecasting in a Deregulated Market, بیست و دومین کنفرانس بین المللی برق, تهران, شرکت توانیر, پژوهشگاه نیرو, https://www.civilica.com/Paper-PSC22-PSC22_217.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: (Jahanbani Ardakani, ; Rana Tahmasebi & Hosseinian, ۱۳۸۶)
برای بار دوم به بعد: (Jahanbani Ardakani; Tahmasebi & Hosseinian, ۱۳۸۶)
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 :

  • Mariano, V.M.F. Mendes and L.A.F.M. Ferreira^ .Short-term electricity prices forecasting ...
  • Diego J. Pedregal and Juan R. Trapero, ...
  • Electricity prices forecasting by automatic dynamic harmonic regression models Energy ...
  • Raul Pino, Jose Parreno, Alberto Gomez and Paolo Priore, *Forecasting ...
  • Hsiao-Tien Pao, *Forecasting electricity market pricing using artificial neural networks ...
  • G.E.P. Box and G.M. Jenkins, ،، Time series analysis: forecasting, ...
  • J. Contreras, R. Espinola, F.J. Nogales and A.J. Conejo, ،ARIMA ...
  • O.B. Fosso, A. Gjelsvik, A. Haugstad, M. Birger and I. ...
  • optimization', IEEE Trans. On Evolutionary Computation, vol. 8, No. 3, ...
  • K.E. Parsopoulos and M.N. Vrahatis. Particle Swarm optimization method for ...
  • J. F. Scutte, J. A. Reinbolt, B. J. Fregly, R. ...
  • Raymond R. Tan, *Hybrid evolutionary computation for the development of ...
  • Q. Zhang, 1993, Wavenet, Matlab file, Available: ftp ://ftop .irisa. ...
  • 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.