پیشنهاد روشی نوین برای پیش بینی بار کوتاه مدت بر اساس یافتن روزهای مشابه

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,012

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

PSC22_242

تاریخ نمایه سازی: 15 اردیبهشت 1386

چکیده مقاله:

مدیریت تولید و توزیع انرژی الکتریکی باید براساس تطبیق عرضه بر تقاضای انرژی برق، اقدام به برنامه ریزی، بهره برداری و سرمایه گذاری بهینه نماید . لذا در برنامه ریزی آینده یک سیستم قدرت، پیش بینی بار از اهمیت ویژه ای برخوردار بوده و باید میزان خطای آن تا حد امکان کاهش یابد . دقت نتایج این پیش بینی بر هزینه تولید و همچنین میزان خاموشی در سیستم قدرت تأثیرگذار می باشد . با راه اندازی بازار برق در شبکه ایران، شرکت های برق منطقه ای و در ادامه با توسعه بازار برق، شرکت های توزیع که به منزله خریدار محسوب می شوند می بایست نیاز مصرف ساعت به ساعت کل شبکه تحت پوشش خود را در روزهای آتی پیش بینی و ارائه نمایند . ضمن آنکه شرکت های مدیریت تولید و یا بهره برداری نیروگاه ها نیز ممکن است برای پیش بینی و پیشنهاد قیمت به پیش بینی بار نیاز داشته باشند . بدین ترتیب دقت پیش بینی ضمن بهبود بهره برداری از شبکه تحت پوشش از تخصیص جرایم مربوطه نیز جلوگیری می نماید . با توجه به اهمیت روزافزون پیش بینی بار در بهره برداری سیستم های قدرت و بازار برق، روش هایی به منظور پیش بینی دقیق تر بار ارائه شده است و در این میان روش هایی که بر اساس دید کارشناسانه و از منظر افراد خبره ارائه می شوند، توانایی بالاتری از خود نشان می دهند . در این مقاله روشی برای پیش بینی بار کوتاه مدت بر اساس یافتن روز های مشابه ارائه شده است که با نظر افراد خبره تطابق خوبی داشته و توانسته است در عین ساده تر بودن نسبت به سایر روش های هوشمند نظیر شبکه های عصبی، از دقت مناسبی برخوردار باشند .

کلیدواژه ها:

نویسندگان

عبدالحسین وهابی

پژوهشگاه نیرو - پژوهشکده برق، قطب علمی کنترل و پردازش هوشمند - دانشکده

سعیده برقی نیا

پژوهشگاه نیرو - پژوهشکده برق

ناصر وفادار

شرکت مدیریت شبکه برق ایران

همایون برهمندپور

پژوهشگاه نیرو - پژوهشکده برق

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 :
  • گروه پژوهشی مطالعات سیستم، "مروری بر الگوریتم‌های طراحی شده جهت ...
  • گروه پژوهشی مطالعات سیستم، "پیش‌بینی بار براساس یافتن روزهای مشابه"، ...
  • S.J. Huang, and K.R. Shih, *Short- Term Load Forecasting via ...
  • Nima Amjady, «Short-Term Hourly Load Forecasting Using Time-Series Modeling with ...
  • Term Load Short؛، [4] A.K. Sinha, Forecasting Using Artificial Neural ...
  • I. Drezga, and S. Rahman, «Short Term Load Forecasting with ...
  • A.G. Bakirtzis, J.B. Theocharis, S.J. Kiatzis, and K.J. Satsios, «Short ...
  • A.A. Gorji, M.B. Menhaj, S. Barghinia, and P. Ansarimehr, *Fuzzy ...
  • A. H. Vahabie, M. M. Rezaei Yousefi, B. N. Araabi, ...
  • and P. Ansarimehr, " Mutual Information Based Input Selection in ...
  • نمایش کامل مراجع