[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
صاحب امتیاز::
درباره انجمن::
تماس با ما::
تسهیلات پایگاه::
cope::
metrics::
تعارض منافع::
::
پایگاه های نمایه کننده
..
DOI
کلیک کنید
..
DOR

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: دوره 2، شماره 1 - ( 6-1392 ) ::
جلد 2 شماره 1 صفحات 28-19 برگشت به فهرست نسخه ها
ارایه یک مدل ترکیبی در پیش بینی بار در بازار برق تجدیدساختار یافته
چکیده:   (14222 مشاهده)
با سمت‎گیری و تغییر ساختار بازار برق از بازار انحصاری دولتی به بازار رقابتی که در آن میزان تقاضا توسط نیروهای بازار تعیین می‎شود، نیاز به طراحی مدلی کارا و مناسب به گونه‎ای که ریسک شرکت در بازار رقابتی برای فعالان بازار برق را در جهت افزایش سودهی آنها کاهش دهد، اهمیت ویژه‎ای یافته است. برای مدلسازی و پیش‎بینی بار در بازار رقابتی باید خصوصیات این کالا از جمله فصلی بودن تقاضا را در نظر گرفت. مدل ایجاد شده در صورتی که بتواند با ایجاد رابطه‎ای از داده‎های قبلی، کمترین خطای پیش‎بینی را داشته باشد، موثرتر و کارآمدتر خواهد بود. در مدل‎های کلاسیک ارایه شده در مساله پیش بینی بار در بازار برق با تنوع تعداد متغیرهای ورودی و عدم پیروی متغیرها از یک مدل سری مشخص، خطای ناشی از پیش بینی افزایش خواهد یافت. در این مقاله با انگیزه دستیابی به کمترین خطای پیش‎بینی و برطرف کردن نواقص روش‎های قبلی، از روشی ترکیبی شبکه عصبی بهبود یافته مبتنی بر ساختار غیر خطی برای آموزش و یادگیری بهتر بر روی مقادیر گذشته بار و استفاده از آن برای اطلاعات آینده و از ایده ترکیبی کلونی مصنوعی زنبور عسل در یافتن بهترین وزن‎ها و بایاس‎ها برای حداقل کردن مربعات خطای پیش‎بینی بهره گرفته شده است. همچنین به منظور مرتب‎سازی داده‎ها و در نظر گرفتن عدم قطعیت در انتخاب بهترین داده‎ها از روش پیشنهادی انتخاباتی با در نظر گرفتن معیار آنتروپی بهره گرفته شده است. به منظور نشان دادن کارایی روش پیشنهادی در حل مساله پیش‎بینی بار در بازار برق در مقایسه با سایر روش‎های اخیر انجام گرفته در این زمینه، از بازار واقعی موجود نیوانگلند استفاده شده است. نتایج نشان از دقت بالا و خطای کمتر در پیش بینی می‎دهد. همچنین الگوریتم هوشمند ارایه شده قابلیت جستجوی محلی و نهایی آن به طور قابل ملاحظه‎ای بهبود یافته است.
واژه‌های کلیدی: پیش بینی بار، الگوریتم عصبی فازی، الگوریتم کلونی مصنوعی زنبور عسل، بازار برق، عدم قطعیت
متن کامل [PDF 490 kb]   (6310 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1391/9/10 | پذیرش: 1392/6/30 | انتشار: 1392/6/30


XML   English Abstract   Print


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

Load forecasting using mutual information, adaptive FNN and Artificial Bee search model. ieijqp 2013; 2 (1) :19-28
URL: http://ieijqp.ir/article-1-41-fa.html

ارایه یک مدل ترکیبی در پیش بینی بار در بازار برق تجدیدساختار یافته. نشریه کیفیت و بهره وری صنعت برق ایران. 1392; 2 (1) :19-28

URL: http://ieijqp.ir/article-1-41-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 2، شماره 1 - ( 6-1392 ) 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 0.05 seconds with 39 queries by YEKTAWEB 4657