>
Fa   |   Ar   |   En
   پیش بینی کوتاه مدت بار الکتریکی بر پایه شبکه عصبی عمیق و تبدیل موجک و انتخاب ورودی  
   
نویسنده معمارزاده غلامرضا ,کی نیا فرشید
منبع كيفيت و بهره وري صنعت برق ايران - 1398 - دوره : 8 - شماره : 2 - صفحه:65 -74
چکیده    پیش بینی تقاضای الکتریکی یکی از مهمترین عوامل در برنامه ریزی، طراحی و بهره برداری از سیستم های الکتریکی رقابتی است. اما بیش تر روش های پیش بینی بار دارای دقت مناسبی نمی باشند، از این رو در این مقاله جهت افزایش دقت پیش بینی کوتاه مدت بار الکتریکی به ارائه یک روش ترکیبی جهت پیش بینی بار الکتریکی بر پایه شبکه عصبی عمیق با تبدیل موجک و اتتخاب ورودی بر مبنای تابع آنتروپی پرداخته شده است. همچنین برای نشان دادن قدرت روش پیشنهادی، بر روی داده های بار الکتریکی سال 2006 میلادی بازار برق pjm و یکی از پستهای کرمان در سال 1395 پیش بینی صورت پذیرفته است که نتایج آن تاکیدی بر کارایی روش پیشنهادی در پیش بینی بار الکتریکی برای برنامه ریزی تولید و توزیع می باشد.
کلیدواژه پیش بینی بار، شبکه ی عصبی عمیق، تبدیل موجک، انتخاب ورودی، آنتروپی.
آدرس دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان, دانشکده مهندسی برق و کامپیوتر, ایران, دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان, پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی, گروه مدیریت و بهینه سازی انرژی, ایران
پست الکترونیکی f.keynia@kgut.ac.ir
 
   Short term electric load prediction based on deep neural network and wavelet transform and input selection  
   
Authors keynia farshid ,memarzadeh gholamreza
Abstract    Electricity demand forecasting is one of the most important factors in the planning, design, and operation of competitive electrical systems. However, most of the load forecasting methods are not accurate. Therefore, in order to increase the accuracy of the shortterm electrical load forecast, this paper proposes a hybrid method for predicting electric load based on a deep neural network with a wavelet transform and input selection. Based on the entropy function. Also, in order to demonstrate the strength of the proposed method, the PJM electricity market and one of the Kerman substations load data in 1395 were used and the results of which emphasized the efficiency of the proposed method in predicting the electric load for production planning And distribution.
Keywords Load prediction ,deep neural network ,wavelet transform ,input selection ,entropy.
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved