[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 8، شماره 2 - ( 9-1398 ) ::
جلد 8 شماره 2 صفحات 65-74 برگشت به فهرست نسخه ها
پیش بینی کوتاه مدت بار الکتریکی بر پایه شبکه عصبی عمیق و تبدیل موجک و انتخاب ورودی
دکتر فرشید کی نیا، مهندس غلامرضا معمارزاده
چکیده:   (13 مشاهده)
پیش بینی تقاضای الکتریکی یکی از مهمترین عوامل در برنامه ریزی، طراحی و بهره برداری از سیستم های  الکتریکی رقابتی است. اما بیش تر روش های پیش بینی بار دارای دقت مناسبی نمی باشند، از این رو در این مقاله جهت افزایش دقت پیش بینی کوتاه مدت بار الکتریکی به ارائه یک روش ترکیبی جهت پیش بینی بار الکتریکی بر پایه شبکه عصبی عمیق با تبدیل موجک و اتتخاب ورودی بر مبنای تابع آنتروپی پرداخته شده است. همچنین برای نشان دادن قدرت روش پیشنهادی، بر روی داده های بار الکتریکی سال 2006 میلادی بازار برق PJM و یکی از پستهای کرمان در سال 1395 پیش بینی صورت پذیرفته است که نتایج آن تاکیدی بر کارایی روش پیشنهادی در پیش بینی بار الکتریکی برای برنامه ریزی تولید و توزیع می باشد.
 
واژه‌های کلیدی: پیش بینی بار، شبکه ی عصبی عمیق، تبدیل موجک، انتخاب ورودی، آنتروپی.
متن کامل [PDF 1439 kb]   (6 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: برق و کامپیوتر
دریافت: ۱۳۹۷/۱۰/۱۶ | پذیرش: ۱۳۹۸/۶/۲۳ | انتشار: ۱۳۹۸/۹/۶


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

keynia F, memarzadeh G. Short term electric load prediction based on deep neural network and wavelet transform and input selection. ieijqp. 2019; 8 (2) :65-74
URL: http://ieijqp.ir/article-1-591-fa.html

کی نیا فرشید، معمارزاده غلامرضا. پیش بینی کوتاه مدت بار الکتریکی بر پایه شبکه عصبی عمیق و تبدیل موجک و انتخاب ورودی. نشریه کیفیت و بهره وری صنعت برق ایران. 1398; 8 (2) :65-74

URL: http://ieijqp.ir/article-1-591-fa.html



دوره 8، شماره 2 - ( 9-1398 ) برگشت به فهرست نسخه ها
نشریه علمی- پژوهشی کیفیت و بهره وری صنعت برق ایران Iranian Electric Industry Journal of Quality and Productivity
Persian site map - English site map - Created in 0.07 seconds with 31 queries by YEKTAWEB 3991