روش موثر هوشمند به‌منظور پیش‌بینی بار الکتریکی کوتاه‌مدت

در این نوشتار از روش‌های شبکه‌ی عصبی )n‌n(، ماشین بردار پشتیبانی )s‌v‌m( و تحلیل مولفه‌ی اصلی )p‌c‌a( با یک رویکرد متوالی برای پیش‌بینی بار کوتاه‌مدت استفاده شده است. ابتدا با استفاده از یک روش غربال‌سازی، داده‌های ورودی استخراج و به کلاس‌هایی تقسیم شدند که بتواند بهترین نتایج را ارائه دهد. سپس مقادیر گذشته بار به‌همراه اطلاعات وابسته در هر دسته به شبکه‌های عصبی چندلایه‌ی پرسپترون و ماشین بردار پشتیبان به‌صورت پشت سر هم و وابسته به ساعت قبل داده شده است که ماشین بردار پشتیبان پیشنهادی توانست نتایج بهتری ارائه دهد. سپس با اعمال تحلیل مولفه‌ی اصلی به پارامترهای ورودی مجدداً این دو سیستم مورد آزمون قرار گرفت. نتایج نشان داده که هنگام استفاده از تحلیل مولفه‌ی اصلی نتایج شبکه‌های عصبی و ماشین‌های بردار پشتیبان بهبود یافته و نتایجی بهتر از پیش‌بینی‌های سنتی ارائه داده است.