این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
انرژی ایران، جلد ۱۵، شماره ۲، صفحات ۰-۰
عنوان فارسی کاربرد الگوریتم انبوه ذرات و الگوریتم ژنتیک در شبیه‌سازی و پیش‌بینی تقاضای انرژی
چکیده فارسی مقاله مدیریت تقاضای انرژی از اهمیت فراوانی در برنامه‌ریزی و تامین امنیت اقتصادی کشورها برخوردار است. شناسایی عوامل موثر بر روند تقاضای انرژی کشور و پیش بینی مصرف آتی آن می‌تواند به سیاست‌گذاران و فعالان در بازار انرژی در جهت تصمیم‌گیری‌های اقتصادی و بهبود عملکرد بازار و تامین امنیت سوخت کشور کمک کند. امروزه روش‌های نوینی برای مدل‌سازی و پیش بینی پدیده‌های مختلف ابداع گشته است که در میان این روش‌ها الگوریتم‌های تکاملی جایگاه ویژه ای دارند. در میان الگوریتم‌های تکاملی، الگوریتم ژنتیک و الگوریتم بهینه‌یابی انبوه ذرات از جمله شناخته شده‌ترین و پرکاربردترین روش‌ها در علوم مختلف می‌باشند. از این رو، در این مطالعه برای تخمین و پیش بینی روند تقاضای انرژی کشور از الگوریتم‌های ژنتیک و انبوه ذرات در قالب دو الگوی خطی و نمایی استفاده شده و کارایی آنها مورد ارزیابی قرار گرفته است و با استفاده از کاراترین الگو و روش و بر اساس سناریوهای مختلف، روند آتی تقاضای انرژی کشور تا سال 1404 پیش بینی شده است . نتایج مطالعه نشان‌دهنده دقت وکارایی بالای الگوی نمایی برآورد شده با استفاده از الگوریتم انبوه ذرات در مقایسه با الگوریتم ژنتیک بوده است. همچنین نتایج مطالعه نشان می‌دهد که کارایی الگوهای خطی برآورد شده با استفاده از هر دو الگوریتم تفاوت محسوسی ندارند. با این حال، بررسی نتایج الگوها و روش‌های مختلف برآورد شده کارایی و دقت بالای الگوی نمایی برآورد شده با استفاده از الگوریتم انبوه ذرات را تائید می‌کند.
کلیدواژه‌های فارسی مقاله تقاضا، انرژی، پیش بینی، الگوریتم انبوه ذرات، الگوریتم ژنتیک
عنوان انگلیسی Application of Genetic Algorithm and Particle Swarm Optimization on Estimating The energy demand
چکیده انگلیسی مقاله Energy demand management has very importance in economic security and planning. To identify the energy demand affecting factors and energy demand prediction can help Policy makers and activists in the energy market to improve market performance and better economic decisions and high fuel security. Recently, new techniques have been developed to economic variables prediction and modeling. Among these techniques Genetic algorithm and Particle Swarm Optimization are the best known and most widely used in literature including economy. Therefore, in this study the genetic algorithm and particle Swarm Optimization is used for energy demand estimation and prediction in the form of linear and exponential and then their performance in each of the models evaluated. The results indicate that accuracy and efficiency of the particle swarm optimization in both of exponential and linear forms is better than genetic algorithm. In addition, among the different forms the exponential form estimated with the particle swarm optimization is the best way to predict the future energy demand.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حسین صادقی | hosein sadeghi


مهدی ذوالفقاری | mahdi zolfaghari


حسین سهرابی | hosein sohrabi


یونس سلمانی | younes salmani


نشانی اینترنتی http://www.necjournals.ir/browse.php?a_code=A-10-1-25&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مدل های برنامه ریزی انرژی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات