پیش‌بینی بار در بازار برق با استفاده از مدل هیبرید شبکه عصبی و الگوریتم بهبود یافته جستجوی گرانشی

با توجه به روند جدید استقلال شرکت های توزیع و الزام حضور آن ها در بازار برق و با سمت گیری و تغییر ساختار بازار برق از بازار انحصاری دولتی به بازار رقابتی، و بالا بودن ضریب خطای پیش بینی بار مصرفی انها در حال حاضر، یافتن روشی به منظور پیش بینی بار دقیق مصرفی مشترکین ضروری به نظر می رسد. در این مقاله از روشی ترکیبی شبکه عصبی و الگوریتم بهبود یافته جسنجوی گرانشی استفاده شده است. الگوریتم پیشنهادی وزن ها و بایاس ها شبکه عصبی را بهینه کرده و درصدد برآورد کمترین مربعات خطای پیش بینی می باشد. به منظور ارائه کارایی مناسب آن، روش پیشنهادی در حل مساله پیش بینی بار در بازار برق کوتاه مدت در مقایسه با سایر روش ها بررسی شده است. هم چنین روش پیشنهادی با در نظر گرفتن الگوریتم کلاسیک جستجوی گرانشی و اجتماع ذرات پرندگان مقایسه شده است. بازار نیویورک به عنوان مورد مطالعاتی در این مقاله مورد آزمایش قرار گرفته است. نتایج نشان از دقت بالا و خطای کمتر در پیش بینی می دهد.

Shortterm Load Forecasting in Power System by Hybrid Neural Network and Improved Gravitational Search Algorithm

This paper presents a design of fuzzy power system stabilizer (FPSS) using Harmony Search Algorithm (HSA) to damp low frequency oscillation in multimachine power system where the parameters of proposed controller are optimized offline automatically by the proposed techniques. This newly proposed controller is more efficient because it cope with oscillations and different operating points. In this strategy the controller is tuned on line from the knowledge base and fuzzy interference. Two eigenvaluebased objective functions to enhance system damping of electromechanical modes are considered. This newly developed control strategy mixed the advantage of HSA and Fuzzy controller with simple structure while is easy to implement. The New England 10unit 39bus standard power system and 9 buses IEEE power system, under various system configurations and loading conditions, is employed to illustrate the performance of the proposed method. The effectiveness of proposed controller is compared with other techniques. Eigenvalue analysis and nonlinear simulation results show the effectiveness of the proposed controller.