[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 8، شماره 1 - ( 6-1398 ) ::
جلد 8 شماره 1 صفحات 61-53 برگشت به فهرست نسخه ها
مدلسازی و پیش‌بینی بهینه نرخ خرابی تجهیزات شبکه توزیع برق
شروین اسدزاده*
دانشگاه آزاد اسلامی واحد تهران شمال
چکیده:   (3915 مشاهده)
به منظور کسب درک عمیق در زمینه برنامه‌ریزی تعمیر و نگهداری، بررسی نقاط ضعف شبکه توزیع و کشف رخدادهای غیرعادی، باید خاموشی‌های رخ داده در شبکه را ردگیری کرد. از سویی دیگر مهمترین وظیفه شرکتهای توزیع برق، تأمین برق مطمئن و پایدار است که بایستی با حداقل خاموشی و با ولتاژ استاندارد همراه باشد. این پژوهش قصد دارد با بهره‌گیری از رویکردهای سری زمانی فصلی و شبکه عصبی مصنوعی، مدل‌هایی را به منظور پیش‌بینی نرخ خرابی یکی از تجهیزات به کار رفته در دو منطقه از مناطق تحت پوشش شرکت توزیع نیروی برق تهران بزرگ ارائه دهد. این داده‌ها بصورت هفتگی در بازه  فروردین 1391 الی اسفند 1394 از نرم‌افزار ثبت حوادث ENOX استخراج شده‌است. بدین منظور پس از پیش پردازش داده‌ها، مدل نهایی مناسب به کمک نرم‌افزارهای Minitab و MATLAB ارائه شد. همچنین، میزان متوسط دمای هوا، میزان متوسط بارش باران و میزان متوسط سرعت باد بعنوان متغیرهای ورودی به شبکه عصبی انتخاب شدند.  برای ارزیابی میزان خطای مدل‌های پیشنهادی، از میانگین مربعات خطا استفاده شده‌است. نتایج نشان می‌دهند مدل‌های سری زمانی نسبت به شبکه عصبی پرسپترون چند لایه‌ای عملکرد بهتری در پیش‌بینی نرخ خرابی تجهیز مورد نظر داشتند و می‌توان برای پیش‌بینی دوره‌های آتی از آنها استفاده کرد.
واژه‌های کلیدی: پیش‌بینی نرخ خرابی، مدل‌های سری زمانی فصلی، شبکه عصبی مصنوعی، شرکت توزیع نیروی برق
متن کامل [PDF 1150 kb]   (801 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: صنایع و مدیریت
دریافت: 1397/11/20 | پذیرش: 1398/2/29 | انتشار: 1398/6/5
فهرست منابع
1. [1] Quiroga, O. A., Meléndez, J., Herraiz, S. "Fault Causes Analysis in Feeders of Power Distribution Networks", Renewable Energies and Power Quality Journal, Vol. 1, No. 5, pp. 1269-1272, 2011. [DOI:10.24084/repqj09.619]
2. [2] Kaigui, X., Hua, Zh., Chanan, S. "Reliability Forecasting Models for Electrical Distribution Systems Considering Component Failures and Planned Outages", Internationl Journal of Electrical Power and Energy Systems, Vol.79, pp. 228-234,2016. [DOI:10.1016/j.ijepes.2016.01.020]
3. [3] Tong, L., Liang, Y. "Forecasting Field Failure Data for Repairable Systems Using Neural Networks and SARIMA Model", International Journal of Quality and Reliability Management, Vol. 22, No. 4, pp. 410-420, 2016. [DOI:10.1108/02656710510591237]
4. [4] Kutyłowska, M. "Neural Network Approach for Failure Rate Prediction", Engineering Failure Analysis, Vol. 47, pp.41-48, 2015. [DOI:10.1016/j.engfailanal.2014.10.007]
5. [5] Jinxing, C., Jianzhou, W. "Short-term Electricity Prices Forecasting Based on Support Vector Regression and Auto-Regressive Integrated Moving Average Modeling". Energy Conversion and Management, Vol.51, Issue.11, pp.1911-1917, 2010. [DOI:10.1016/j.enconman.2010.02.023]
6. [6] Azadeh, A., Tasaoudani, B., Anvarian, N., saberi, M. "An Adaptive-Network-Based Fuzzy Inference System for Long-Term Electricity Consumption Forecasting (2008-2015):A Case Study of the Group of Eight (G8). The 14th Asia Pacific Regional Meeting of International Foundation for Production Research, 2010.
7. [7] صادقی.ح.، افضلیان.ع.، حقانی.م.، سهرابی وفا.ح. "پیش بینی تقاضای بلندمدت انرژی الکتریکی با استفاده از الگوریتم ترکیبی عصبی-فازی و انبوه ذرات"، تحقیقات مدلسازی اقتصادی، شماره10، ص 21-56، 1391.
8. [8] سرورطاهرآبادی م.، قره پتیان گ.، فریدونیان ع. "دسته بندی و تحلیل عوامل خطا بر اساس تکنیک خوشه بندی در شبکه توزیع برق"، بیستمین کنفرانس توزیع بر، زاهدان، 1394.
9. [9] پروین نیا. الف.، فرداد .خ " ارائه یک سیستم تصمیم یار جهت پیش بینی خاموشی اضطراری نیروگاه های برق آبی با استفاده از استخراج قوانین انجمنی مطالعه موردی: نیروگاه برق آبی مارون بهبهان"، نشریه کیفیت و بهره وری صنعت برق ایران ،جلد 7، شماره13، ص 15-27، 1397.
10. [10] استادی، ب.، معتمدی. الف.، حسین زاده کاشان.، ع، امین ناصری، م.، "پیشبینی قیمت تسویه بازار برای خوشه های زمانی رقابت پذیری بازار با استفاده از شبکه عصبی بهبود یافته با الگوریتم ژنتیک: مطالعه بازار برق ایران "، نشریه کیفیت و بهره وری صنعت برق ایران ،جلد 7، شماره13، ص 84-92، 1397.
11. [11] Elamin, N., Fukushige, M. "Modeling and Forecasting Hourly Electricity Demand by SARIMAX with Interactions", Energy, Vol. 165, No. B, pp. 257-268, 2018. [DOI:10.1016/j.energy.2018.09.157]
12. [12] وی، و.، تحلیل سری های زمانی روش‌های یک متغیری و چند متغیری. ترجمه نیرومند، ح. انتشارات دانشگاه فردوسی مشهد، 1386.
13. [13] منهاج، م. مباني شبكه¬هاي عصبي، ، انتشارات دانشگاه صنعتی امیرکبیر، 1396


XML   English Abstract   Print


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

Asadzadeh S. Optimal Modeling and Forecasting of Equipment Failure Rate for the Electricity Distribution Network . ieijqp 2019; 8 (1) :53-61
URL: http://ieijqp.ir/article-1-607-fa.html

اسدزاده شروین. مدلسازی و پیش‌بینی بهینه نرخ خرابی تجهیزات شبکه توزیع برق . نشریه کیفیت و بهره وری صنعت برق ایران. 1398; 8 (1) :53-61

URL: http://ieijqp.ir/article-1-607-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 8، شماره 1 - ( 6-1398 ) 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 0.06 seconds with 39 queries by YEKTAWEB 4645