این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات مدلسازی اقتصادی، جلد ۳، شماره ۱۰، صفحات ۲۱-۵۶
عنوان فارسی پیش بینی تقاضای بلندمدت انرژی الکتریکی با استفاده از الگوریتم ترکیبیِ عصبی- فازی و انبوه ذرات
چکیده فارسی مقاله با توجه به عدم امکان ذخیره انرژی­الکتریکی ، شناسایی عوامل­موثر بر تقاضای این حامل انرژی و پیش­بینی دقیق روند آتی آن، ضرورت دارد . تاکنون روش­های مختلفی در این زمینه مورد استفاده قرار گرفته است که در میان آن­ها روش­های هوشمند و به­ویژه روش­های فازی، دارای قابلیت­های بیشتری هستند. در مطالعه حاضر از سیستم ­ استنتاج عصبی- فازی ترکیب شده با الگوریتم انبوه­ذرات ( PSO -ANFIS ) استفاده شده و پس ازشبیه­سازی روند تقاضای بلند­مدت انرژی­الکتریکی طی دورۀ 1359 تا 1389 و بررسی کارایی سیستم، روند تقاضای بلندمدت انرژی­الکتریکی کل کشور تا سال 1404 پیش­بینی شده است. نتایج مطالعه، قدرت بالای الگوریتم ترکیبی انبوه ذرات و سیستم استنتاج عصبی- فازی تطبیقی را در پیش­بینی تقاضای بلندمدت انرژی­الکتریکی تایید می­کند. نتایج نشان می ­ دهد که براساس محتمل­ترین سناریو، تقاضای انرژی­الکتریکی کشور در سال 1404 به 401 میلیارد کیلووات ساعت خواهد رسید . همچنین ، براساس نتایج بدست آمده، کارایی روش پیشنهادی در پیش­بینی متغیرهای مستقل در مقایسه با الگوی خطی ARIMA بیشتر است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Forecasting the Long Run Electricity Demand Using Hybrid PSO-ANFIS Algorithm
چکیده انگلیسی مقاله Storing the electrical energy in large scale is impossible. So, it is necessary to identify the factors affecting the electricity demand. Researchers have used different methods to forecast the future demand of electricity, among them intelligent methods and fuzzy based methods are more popular. Since ANFIS structure is based on researcher’s experience about phenomenon, the created structure may not have the best result. Therefore, we used PSO-ANFIS structure. In this paper long term electricity demand is forecasted until the year 2025 by hybrid PSO-ANFIS algorithm. The results confirm the high power of the Adaptive Neural based Fuzzy Inference System in forecasting the electricity demand. Results also indicate that the forecasted electricity demand will be 401 billion KWh in 2025. The prediction performance of the proposed technique is more accurate than the ARIMA model.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حسین صادقی | hossein sadeghi
department of management and economics, tarbiat modares university, tehran, po box 14115-139, iran
دانشگاه تربیت مدرس، دانشگاه تربیت مدرس، دانشکده مدیریت و اقتصاد
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

علی اکبر افضلیان | ali akbar afzalian
department of electrical and computer engineering, power and water university of technology pwut , tehran, po box 16765-1719, iran
دانشگاه صنعت آب و برق، دانشکده مهندسی الکترونیک و کامپیوتر
سازمان اصلی تایید شده: دانشگاه صنعت آب و برق شهید عباسپور (Abbaspour university of technology)

محمود حقانی | mahmood haghani
department of management and economics, power and water university of technology pwut , tehran, po box 16765-1719, iran
دانشگاه صنعت آب و برق، دانشکده مدریت و اقتصاد
سازمان اصلی تایید شده: دانشگاه صنعت آب و برق شهید عباسپور (Abbaspour university of technology)

حسین سهرابی وفا | hossein sohrabi vafa
department of management and economics, power and water university of technology pwut , tehran, po box 16765-1719, iran
دانشگاه صنعت آب و برق، دانشکده مدریت و اقتصاد
سازمان اصلی تایید شده: دانشگاه صنعت آب و برق شهید عباسپور (Abbaspour university of technology)

نشانی اینترنتی http://jemr.khu.ac.ir/browse.php?a_code=A-10-800-2&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 انرژی، منابع و محیط زیست
نوع مقاله منتشر شده کاربردی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات