مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

13
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

بررسی تاثیر ادغام اطلاعات مناطق الکتریکی مختلف در پیش بینی بار شبکه قدرت با ارائه یک روش نوین پیش بینی سلسله مراتبی

صفحات

 صفحه شروع 307 | صفحه پایان 318

چکیده

 1به منظور پیش­بینی تقاضای مصرف انرژی الکتریکی یک شهر یا کشور, متداول است که داده­های تاریخی بار مناطق مختلف آن شهر و یا شهرهای مختلف آن کشور جمع­آوری و بر اساس آن تصمیمات راهبری و یا راهبردی اتخاذ شود. با این حال, ممکن است استفاده از داده های تاریخی تمام مناطق و یا انواع مختلف بارهای مصرفی (مسکونی, تجاری و صنعتی) به یک میزان حائز اهمیت نباشد؛ بدین معنی که امکان دارد تنها میزان بار مصرفی بعضی از مناطق و یا تنها میزان مصرف یک نوع بار بیشترین تاثیر و اهمیت را در تصمیم­گیری داشته باشد. از آنجایی که جمع جبری پیش­بینی­های تمام مناطق و یا انواع بار لزوما پیش­بینی مناسبی برای هدف مورد نظر ارائه نمی دهد, روش­های مختلفی برای ادغام پیش­بینی مناطق مختلف وجود دارد. در ساده ترین حالت ممکن, می­توان به سادگی داده­های مناطق مختلف را جمع جبری نمود و یک سری زمانی کلی به­دست آورد و پیش­بینی را بر اساس آن انجام داد. با این وجود, این روش ساده نه تنها همواره پیش­بینی مناسبی ارائه نمی­دهد بلکه نیازمند دسترسی به جزئیات داده های تاریخی بار و عوامل موثر آن به تفکیک هر منطقه نیز می باشد. از این رو, در این مقاله روش­های ادغام مختلفی نظیر روش های ادغام پایین به بالا, بالا به پایین و همچنین رویکرد ترکیب بهینه با در نظر گرفتن همبستگی بین سری­های زمانی زیرمجموعه معرفی شده است. با توجه به اینکه تاکنون به حوزه پیش­بینی سلسله­مراتبی در صنعت برق پرداخته نشده است؛ این مقاله با بررسی کاربرد این موضوع به طور خاص برای پیش­بینی تقاضای بار الکتریکی در شبکه قدرت از تحقیقات پیشین متمایز شده است. با توجه به تمرکز اصلی پژوهش حاضر بر تاثیر روش­های ادغام, در این مقاله از روش­های کلاسیک پیش­بینی نظیر روش خودهمبسته ـ میانگین متحرک یکپارچه (ARIMA) و هموارسازی نمایی استفاده شده است. در این مطالعه, پیش­بینی سلسله­مراتبی کوتاه­مدت و بلندمدت برای داده­های واقعی بازار برق استرالیا انجام گرفته است. نتایج به روشنی نشان می دهند که روش ترکیب بهینه بهترین نتیجه را ارائه می­دهد.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button