تاثیر تولید مزارع بادی بر پیش بینی کوتاه مدت قیمت برق با استفاده از شبکه عصبی بهبود یافته

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,718

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

WINDCONF02_026

تاریخ نمایه سازی: 4 اسفند 1391

چکیده مقاله:

با توجه به طبیعت نامطمئن قیمت آتی برق در بازار رقابتی و احتساب آن به عنوان مهم‌ترین فاکتور عدم قطعیت در این محیط، شرکت‌کنندگان در بازار، جهت فعالیت‌های بهره‌برداری و برنامه‌ریزی خود، به پیش‌بینی کوتاه مدت قیمت می‌پردازند. بازیگرانی در بازار برق موفق می باشند که ابزاری مناسبتر جهت این مساله در اختیار داشته باشند. از طرف دیگر با توجه به گسترش روزافزون استفاده از انرژی بادی در تولید جهانی انرژی و باتوجه به ساختار نامطمئن و گسسته تولید انرژی بادی، پیش بینی قیمت در بازار برق جهت فواصل زمانی مختلف ضرورت می یابد. از اینرو ماهیت متغیر تولید بادی، متعادل ساختن بلادرنگ تقاضای سیتم قدرت در برابر تولید را پیچیده تر کرده است. در این مقاله اثر تولید واحدهای بادی در پیش بینی قیمت براساس داده های بازار برق Nord Pool مورد بررسی قرار گرفته است. ایده اصلی ارائه مدلی هوشمند برای پیش‌بینی قیمت تسویه بازار با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه، بر پایه‌ی مدل هیبریدی ژنتیک و خفاش است. این مدل هیبریدی در مقایسه با شبکه‌های عصبی مرسوم (بر پایه الگوریتم‌های بهینه‌سازی مبتنی بر گرادیان) دقت بهتری داشته و قابلیت همگرا شدن به سمت بهینه مطلق را دارد. نتایج حاصله دقت بالای این مدل در پیش‌بینی کوتاه مدت سیگنال قیمت برق را بیان می کند.

کلیدواژه ها:

نویسندگان

سیدایمان ناظرکاخکی

گروه قدرت، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند

محسن فرشاد

استادیار

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • احد اسماعیلی کلالق، مجید علومی بایگی "استفاده از روش شبکه‌های ...
  • _ _ _ _ Estimation through an Extended ...
  • G. Li, C.-C. Liu, C. Mattson, and J. Lawarree, "Day-ahead ...
  • N. Amjady and F. Keynia, "Day-ahead price forecasting of electricity ...
  • _ _ _ Ontario s ...
  • J. Contreras, R. Espinola, F. Nogales, and A. Conejo, ":ARIMA ...
  • _ _ _ _ Ontario competitive pover system mark. _ ...
  • T. Soares, F. Fernandes, H. Morais, P. Faria, Z. Vale, ...
  • J. Kennedy, B. Fox, D. Flynn, :Use of Electricity Price ...
  • _ _ _ _ _ _ Accounting _ _ esersy, ...
  • Y. Yuhang, L. Yingliang, M. Yao, X. Yingju, Y. Hao, ...
  • M.C. Alexiadis, P. S. Dokopoulos, H. S .S ahsamanoglou, :Short-term ...
  • _ _ split. [Online]. Available: http : //www _ nordpoo ...
  • Ontario electricity market data [Online]. Available: http://www _ ie S ...
  • Z. Chen, "Optimazation of Neural Network Base On Improved Genetic ...
  • L. _ _ _ Forecasting Using Optimized Neural Network With ...
  • X. S. Yang, :A New Metaheuristic Bat-Inspired Algorithm". In: Gonz ...
  • Y.G. He, L. Bo, "Price Forecasting Based on PSO Train ...
  • نمایش کامل مراجع