پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 664 |
| تعداد مقالات | 9,688 |
| تعداد مشاهده مقاله | 68,928,908 |
| تعداد دریافت فایل اصل مقاله | 48,454,503 |
پیش بینی بار کوتاه مدت با استفاده از تجزیه سری زمانی بار وشبکه عصبی | ||
| مدل سازی در مهندسی | ||
| مقاله 2، دوره 7، شماره 16، خرداد 1388 اصل مقاله (606.4 K) | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2017.1523 | ||
| نویسندگان | ||
| روح‌الله فیروزنیا* ؛ نیما امجدی | ||
| دانشگاه سمنان | ||
| تاریخ دریافت: 09 بهمن 1395، تاریخ بازنگری: 06 آبان 1404، تاریخ پذیرش: 09 بهمن 1395 | ||
| چکیده | ||
| چکیده پیش بینی بارکوتاه مدت یک فرآیند پایه در بهره برداری سیستم‌های قدرت محسوب می‌شود. بسیاری از توابع بهره‌برداری نظیر آرایش تولید، پخش بار اقتصادی، ارزیابی ایمنی و هماهنگی آبی حرارتی به پیش‌ینی بار کوتاه‌مدت وابسته می‌باشند. در طی سه دهه اخیر روش های مختلفی برای پیش‌بینی بار کوتاه مدت ارائه شده و نرم‌افزارهای صنعتی متعددی نیز بر پایه این روش ها تهیه شده‌اند. از جمله این روش ها می‌توان به انواع سریهای زمانی، هموارسازی نمایی، فیلتر کالمن، شبکه‌های عصبی و شبکه‌های فازی عصبی اشاره نمود. مشکلی که تمام روشهای پیش‌بینی بار کوتاه مدت با آن مواجه می‌باشند، انتخاب ورودی های مناسب است. این امر وابسته به مشخصات سیستم قدرت بوده و با گذشت زمان و تغییر الگوی بار تغییر می‌کند. در این مقاله ابتدا سری زمانی بار از طریق یک تبدیل ریاضی مناسب (تبدیل موجک) تجزیه شده و سپس از سریهای حاصل‌شده پارامترهای ورودی برای آموزش شبکه عصبی استخراج می‌‌شوند | ||
| کلیدواژه‌ها | ||
| واژگان کلیدی: پیش بینی بار؛ شبکه عصبی؛ تبدیل موجک | ||
| عنوان مقاله [English] | ||
| Short Term load forecasting by means of Load Time Series Decomposition and Neural Network | ||
| چکیده [English] | ||
|            Abstract  The importance of short term load forecasting has been increasing lately. Artificial Neural Network (ANN) Method is applied to forecast the short term load forecasting for a large power system. A nonlinear load model is proposed and several structures of ANN for short term load forecasting are tested. Inputs to the ANN are past loads and the output of the ANN is the load forecast for a given day. More autonomous load predictors are needed in the new competitive scenario.This paper describes two strategies for embedding the discrete wavelet transform into neural network based short term load forecasting. Its main goal is to develop more robust load forecasters.        | ||
| کلیدواژه‌ها [English] | ||
| Keywords: Load forecasting, Artificial Neural Network, Wavelets | ||
|
آمار تعداد مشاهده مقاله: 2,017 تعداد دریافت فایل اصل مقاله: 1,064 |
||