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

مقاله مقاله نشریه

مشخصات مقاله

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:

678
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

716
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی نیاز مصرف فصلی شبکه ی برق ایران با استفاده از روش ترکیبی رگرسیون بردار پشتیبان و الگوریتم بهینه سازی مگس میوه

صفحات

 صفحه شروع 405 | صفحه پایان 420

کلیدواژه

الگوریتم بهینه سازی مگس میوه (FOA)Q2
رگرسیون بردار پشتیبان (SVR)Q2

چکیده

پیش بینی دقیق نیاز مصرف شبکة برق ماهانه می تواند در برنامه ریزی انرژی مؤثر باشد و مدیریت صحیح تر مصرف برق را امکان پذیر کند. نیاز مصرف برق ماهانه نشان دهندة گرایش فصلی پیچیده و غیرخطی است یکی از مدل هایی که به طور گسترده برای پیش بینی سری های زمانی غیرخطی استفاده می شود, رگرسیون بردار پشتیبان (SVR) است که در آن باید انتخاب پارامترهای کلیدی و تأثیر تغییرات فصلی درنظر گرفته شود؛ بنابراین ضروری است پارامترهای مدل رگرسیون بردار پشتیبان به صورت مناسب انتخاب شوند و گرایش های غیرخطی و فصلی داده های نیاز مصرف برق تعدیل شوند. روشی که در پژوهش حاضر پیشنهاد می شود, پیوندزدن مدل رگرسیون بردار پشتیبان (SVR) با الگوریتم بهینه سازی مگس میوه (FOA) و تنظیم شاخص فصلی برای پیش بینی نیاز مصرف برق ماهانه است. علاوه براین, به منظور ارزیابی جامع عملکرد پیش بینی مدل ترکیبی, نمونه ای کوچک از نیاز مصرف برق ماهانة ایران و نمونة بزرگی از تولید برق ماهانة ایران برای نشان دادن عملکرد پیش بینی بررسی شده است. همچنین در این پژوهش برتری «مدل ترکیبی رگرسیون بردار پشتیبان با الگوریتم بهینه سازی مگس میوه با تعدیل گرایش های فصلی (SFOASVR)» در مقایسه با سایر مدل های شناخته شده پیش بینی از نظر دقت پیش بینی و کم بودن خطای پیش بینی بررسی شده است. برای این منظور معیارهای ارزیابی ریشة میانگین مربعات خطا (RMSE) و میانگین درصد خطای مطلق (MAPE), همچنین آزمون ناپارامتری ویلکاکسون صورت می گیرد. براساس نتایج, مدل SFOASVR از سایر مدل های پیش بینی خطای کمتری دارد و درنتیجه گزینه ای مناسب برای کاربردهای پیش بینی نیاز مصرف برق است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    سلیمانی، پریا، و یعقوبی، زهره. (1397). پیش بینی نیاز مصرف فصلی شبکه ی برق ایران با استفاده از روش ترکیبی رگرسیون بردار پشتیبان و الگوریتم بهینه سازی مگس میوه. نشریه مهندسی صنایع (دانشکده فنی دانشگاه تهران)، 52(3 )، 405-420. SID. https://sid.ir/paper/166457/fa

    Vancouver: کپی

    سلیمانی پریا، یعقوبی زهره. پیش بینی نیاز مصرف فصلی شبکه ی برق ایران با استفاده از روش ترکیبی رگرسیون بردار پشتیبان و الگوریتم بهینه سازی مگس میوه. نشریه مهندسی صنایع (دانشکده فنی دانشگاه تهران)[Internet]. 1397؛52(3 ):405-420. Available from: https://sid.ir/paper/166457/fa

    IEEE: کپی

    پریا سلیمانی، و زهره یعقوبی، “پیش بینی نیاز مصرف فصلی شبکه ی برق ایران با استفاده از روش ترکیبی رگرسیون بردار پشتیبان و الگوریتم بهینه سازی مگس میوه،” نشریه مهندسی صنایع (دانشکده فنی دانشگاه تهران)، vol. 52، no. 3 ، pp. 405–420، 1397، [Online]. Available: https://sid.ir/paper/166457/fa

    مقالات مرتبط نشریه ای

    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