این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
انرژی ایران، جلد ۱۱، شماره ۱، صفحات ۳۵-۴۴
عنوان فارسی پیشنهاد روشی نوین برای پیش بینی بار کوتاه مدت براساس یافتن روزهای مشابه
چکیده فارسی مقاله مدیریت تولید و توزیع انرژی الکتریکی باید براساس تطبیق عرضه بر تقاضای انرژی برق، اقدام به برنامه ریزی، بهره برداری و سرمایه گذاری بهینه نماید. لذا در برنامه ریزی آینده یک سیستم قدرت، پیش بینی بار از اهمیت ویژه ای برخوردار بوده و باید میزان خطای آن تا حد امکان کاهش یابد. دقت نتایج این پیش بینی بر هزینه تولید و همچنین میزان خاموشی در سیستم قدرت تاثیرگذار می باشد. با راه اندازی بازار برق در شبکه ایران، شرکت های برق منطقه ای و در ادامه با توسعه بازار برق، شرکت های توزیع که به منزله خریدار محسوب می شوند می بایست نیاز مصرف ساعت به ساعت کل شبکه تحت پوشش خود را در روزهای آتی پیش بینی و ارائه نمایند. ضمن آنکه شرکت های مدیریت تولید و یا بهره برداری نیروگاه ها نیز ممکن است برای پیش بینی و پیشنهاد قیمت به پیش بینی بار نیاز داشته باشند. بدین ترتیب دقت پیش بینی ضمن بهبود بهره برداری از شبکه تحت پوشش از تخصیص جرایم مربوطه نیز جلوگیری می نماید. با توجه به اهمیت روزافزون پیش بینی بار در بهره برداری سیستم های قدرت و بازار برق، روش هایی به منظور پیش بینی دقیق تر بار ارائه شده است و در این میان روش هایی که بر اساس دید کارشناسانه و از منظر افراد خبره ارائه می شوند، توانایی بالاتری از خود نشان می دهند. در این مقاله روشی برای پیش بینی بار کوتاه مدت بر اساس یافتن روز های مشابه ارائه شده است که با نظر افراد خبره تطابق خوبی داشته و توانسته است در عین ساده تر بودن نسبت به سایر روش های هوشمند نظیر شبکه های عصبی، از دقت مناسبی برخوردار باشند. توانایی این روش برای بهبود دقت پیش بینی بار روزهای خاص (تعطیل ملی و مذهبی) نسبت به روش هایی نظیر سیستم خبره فازی قابل توجه است. نتایج پیش بینی برای داده های بار شبکه سراسری ایران در این مقاله آورده شده و با نتایج پیش بینی شبکه عصبی به همراه سیستم خبره فازی مقایسه شده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A New Approach for Short Term Load Forecasting Based on Finding Similar Days
چکیده انگلیسی مقاله Short term load forecasting (STLF) plays an important role for the power system operational planners and also most of the participants in the nowadays power markets. With the importance of the STLF in power system operation and power markets, many methods for arriving careful results, are represented. In this paper, an approach for STLF is proposed. The proposed approach is based on finding similar days. This approach is much simple than intelligent methods such as artificial neural networks (ANN) and fuzzy expert system (FES). The results of this method for Iran National Power System (INPS) is compared with ANN and FES results for STLF. The results shows that the idea of finding similar days used for STLF, can improve greatly the performance of the STLF.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله عبدالحسین وهابی | ah vahabie
niroo research institute, electrical power system research center
پژوهشگاه نیرو، پژوهشکده برق
سازمان اصلی تایید شده: پژوهشگاه نیرو

سعیده برقی نیا | s barghinia
tehran university, electrical amp;amp; computer engineering faculty
دانشگاه تهران، دانشکده مهندسی برق و کامپیوتر قطب علمی کنترل و پردازش هوشمند
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

ناصر وفادار | n vafadar
iran, iran grid management co. tehran
شرکت مدیریت شبکه برق ایران

همایون برهمندپور | h berahmandpour
niroo research institute, electrical power system research center
پژوهشگاه نیرو، پژوهشکده برق
سازمان اصلی تایید شده: پژوهشگاه نیرو

نشانی اینترنتی http://www.necjournals.ir/browse.php?a_code=A-10-2-45&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