پیش بینی بار کوتاه مدت شبکه برق شهرستان اهواز براساس روش ترکیبی شبکه عصبی- فازی با در نظرگرفتن تاثیرات دما و گرد و غبار

براساس تاثیرات آب و هوا و گرد و غبار و روزهای تعطیل، شبکه عصبی- فازی ترکیبی برای پیش بینی بار کوتاه مدت شبکه برق شهرستان اهواز پیشنهاد می شود. نرخ یادگیری و عامل آرام کننده برای عملکرد بهتر شبکه عصبی- فازی بررسی می شوند؛ دو پارامتر بهینه ای که به طور خودکار باید تغییر داده شوند. بنابراین، شبکه عصبی- فازی براساس روش بهینه سازی تجمعی ذرات (PSO) برای تعدیل دینامیکی پارامترها پیشنهاد می شود. در ابتدا، بازه های پایدار پارامترها یافت می شود؛ بگونه ای که پارامترها بطور دینامیکی در بازه ها تعدیل می شوند. سپس، الگوریتم PSO برای یافتن پارامترهای بهینه وارد شده و سیستم به سرعت به حالت پایدار همگرا شده و به دقت کنترل بهینه دست می یابد. سرانجام، با ترکیب داده های بار ناشی از گرد و غبار، گرما و روزهای تعطیل بدست آمده از شرکت توزیع نیروی برق اهواز، شبکه ترکیبی بهبود یافته دقت کنترلی بهتری در پیش بینی کوتاه مدت بار خواهد داشت.