فزایش دقت پیشبینی انرژی برق مصرفی با ستفاده از الگوریتم ژنتیک در انتخاب ویژگی های اصلاح و ترکیب آن باشبکه عصبی مصنوعی

امروزه اهمیت انرژی بر هیچ کسی پوشیده نیست. سهولت تبدیل انرژی الکتریکی به سایر انواع انرژی و امکان انتقال سریع آن به نقاط مختلف بر اهمیت استفاده آن افزوده وآن را به مهمترین منبع تامین انرژی تبدیل کرده است. این امر موجب گستردگی و مقبولیت استفاده از برق در مصارفی همچون خانگی، تجاری، صنعتی، کشاورزی و سایر مصارف گردیده است. بنابراین سهم و میزان مصرف برق هر یک از بخشهای مصرف کننده از اهمیت ویژهای برخوردار است .شناسایی الگوی مستمرعرضه و تقاضا و پیش بینی میزان برق مصرفی مشترکین برای تامین انرژی الکتریکی با قابلیت اطمینان بالا، امری ضروری است. با توجه به میزان مصرف بالای انرژی الکتریکی پیشبینی صحیح تقاضای انرژی الکتریکی یکی از جنبه های مهم در مدیریت شبکه برق میباشد. استخراج الگوها و دانش پنهان در اطلاعات مصرفی برق و پیشبینی میزان مصرف با توجه به عوامل تاثیرگذار، میتواند برای هر یک از شرکتهای تولید، انتقال و مدیریت توزیع برق کارا باشد.در این تحقیق، به بررسی و پیشبینی میزان مصرف برق شرکت توزیع نیروی برق استان تهران میپردازیم. برای این منظور و با در اختیار داشتن داده های مصرفی سالانه 40 سال مصرف استان تهران ، الگوریتم های پیشبینی کننده BACK PROPAGATION، MULTI LAYER PERSETON را بر روی داده های موجود اجرا نموده و نتایج حاصل از اجرای هر الگوریتم بر اساس معیارهای ارزیابی خطای پیشبینی مانند میانگین درصد قدرمطلق خطا مورد بررسی و مقایسه قرار گرفت. وسپس با الگوریتم ژنتیک به بهبود وزن دهی شبکه عصبی پرداخته شد. در نهایت، به نتیجه گیری و ارائه پیشنهادات پرداختیم.

کلیدواژه ها:

پیشبینی ، مصرف برق ، مشترک ، دادهکاوی ، شبکه عصبی ، الگوریتم ژنتیک