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:

920
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

331
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی کوتاه مدت مصرف بار الکتریکی با استفاده از شبکه های عصبی عمیق CNN و LSTM

صفحات

 صفحه شروع 35 | صفحه پایان 51

چکیده

 امروزه انرژی الکتریسیته یکی از اساسی ترین نیازهای جوامع بشری محسوب می شود به گونه ای که تمام فعالیت های صنعتی و بخش زیادی از فعالیت های اجتماعی, اقتصادی, کشاورزی و. . . با اتکا به این انرژی انجام می شود, بنابراین کیفیت و تداوم انرژی الکتریسیته از اهمیت بسزایی برخوردار است. هدف این پژوهش آن است که بر اساس عوامل موثر بر بار الکتریکی که دارای روابط پیچیده غیرخطی هستند و عمدتا شامل تغییرات آب و هوا و نوسانات دوره ای روزانه و هفتگی مصرف می باشند به پیش بینی تغییرات مصرف بار کوتاه مدت دست یابد. روش پیشنهادی یک شبکه عصبی ترکیبی, با استفاده از یادگیری عمیق می باشد که از ترکیب دو معماری CNN و LSTM ایجاد شده است. معماری CNN با توجه به قابلیت آن در استخراج الگوهای موجود در داده و معماری LSTM بر پایه توانایی آن در پیش بینی سری های زمانی, مورد استفاده قرار گرفته اند. رویکرد ارایه شده با استفاده از پیش بینی آب و هوای ساعات آینده و الگوی مصرف بار الکتریکی در ساعات گذشته, قادر به پیش بینی الگوی مصرف آینده خواهد بود. نتایج ارزیابی نشان می دهد که دقت پیش بینی بر اساس معیارهای MAPE, RMSE, RSEوCORR در مقایسه با بهترین روش های موجود بهبود یافته است.

چندرسانه ای

  • ثبت نشده است.
  • استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    قصایی، سینا، و روانمهر، رضا. (1400). پیش بینی کوتاه مدت مصرف بار الکتریکی با استفاده از شبکه های عصبی عمیق CNN و LSTM. کیفیت و بهره وری در صنعت برق ایران، 10(1 (پیاپی 22) )، 35-51. SID. https://sid.ir/paper/958199/fa

    Vancouver: کپی

    قصایی سینا، روانمهر رضا. پیش بینی کوتاه مدت مصرف بار الکتریکی با استفاده از شبکه های عصبی عمیق CNN و LSTM. کیفیت و بهره وری در صنعت برق ایران[Internet]. 1400؛10(1 (پیاپی 22) ):35-51. Available from: https://sid.ir/paper/958199/fa

    IEEE: کپی

    سینا قصایی، و رضا روانمهر، “پیش بینی کوتاه مدت مصرف بار الکتریکی با استفاده از شبکه های عصبی عمیق CNN و LSTM،” کیفیت و بهره وری در صنعت برق ایران، vol. 10، no. 1 (پیاپی 22) ، pp. 35–51، 1400، [Online]. Available: https://sid.ir/paper/958199/fa

    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