پیشبینی بار الکتریکی با بهکارگیری مدلهای ترکیبی سیستمهای فازی- عصبی و خودرگرسیون میانگین متحرک انباشته فصلی
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 326
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JCME-38-1_007
تاریخ نمایه سازی: 2 بهمن 1399
چکیده مقاله:
امروزه پیشبینی تقاضای الکتریسیته بهعنوان یکی از مهمترین حوزههای پیشبینی، نقشی اساسی در فرایند تصمیمگیریهای اقتصادی دارد. آنچه که الکتریسیته را از سایر کالاها متمایز میسازد عدم امکان ذخیرهسازی آن در مقیاس وسیع، هزینهبر و زمانبر بودن ساخت نیروگاههای جدید تولید و توزیع برق است. همچنین وجود روند نوسانی و غیرخطی و همچنین ابهام و پیچیدگی در دادههای الکتریسیته موجب شده که استفاده از مدلهای معمول پیشبینی تقاضای الکتریسیته کارامد نباشند. لذا ارائه مدلهای جدید با استفاده از ابزارهای هوش محاسباتی و محاسبات نرم و ترکیب مدلها از جمله دقیقترین و پرکاربردترین روشهای حال حاضر بهمنظور مدلسازی پیچیدگی و عدم قطعیت موجود در دادهها هستند. لذا در این مقاله یک مدل ترکیبی بهینه موازی با استفاده از ابزارهای هوش محاسباتی و محاسبات نرم، بهمنظور پیشبینی بار الکتریکی ارائه میشود. روش ترکیبی ارائه شده در این مقاله بر اساس روشهای خودگرسیون میانگین متحرک انباشته فصلی و سیستمهای استنتاج فازی- عصبی است. ایده اصلی ارائه روشهای ترکیبی، استفاده همزمان از مزایای مدلهای تکی در مدلسازی سیستمهای پیچیده در یک ساختار و همچنین غلبه بر محدودیتهای مدلهای تکی است. نتایج حاصل نشان میدهد که روش ترکیبی پیشنهادی عملکرد ضعیفتری نسبت به سایر روشهای ترکیبی تکراری شبه بهینه نداشته و همچنین هزینه محاسباتی آن کمتر از این گونه از روشها دارد. علاوه بر این، روش پیشنهادی توانسته است نتایج دقیقتری در مقایسه با مدلهای تشکیلدهنده خود و همچنین برخی از روشهای ترکیبی فصلی بهدست آورد.
کلیدواژه ها:
Computational Intelligence and Soft Computing Tools ، Seasonal Time Series Forecasting ، electricity load ، Adaptive neuro-Fuzzy Inference System (ANFIS) ، Seasonal Auto-Regressive Integrated Moving Average models (SARIMA). ، ابزارهای هوش محاسباتی و محاسبات نرم ، پیشبینی سریهای زمانی فصلی ، بار الکتریکی ، سیستمهای استنتاج فازی-عصبی (ANFIS) ، خودرگرسیون میانگین متحرک انباشته فصلی (SARIMA)
نویسندگان
مهدی خاشعی
دانشکده مهندسی صنایع و سیستمها، دانشگاه صنعتی اصفهان، اصفهان
فاطمه چاهکوتاهی
دانشکده مهندسی صنایع و سیستمها، دانشگاه صنعتی اصفهان، اصفهان