پیش بینی کوتاه مدت بار استان چهارمحال و بختیاری با استفاده از اجماع شبکه های عصبی

پیش بینی کوتاه مدت بار در بازار برق اهمیت زیادی دارد. از طرفی عوامل مهم تاثیرگذار بر پیش بینی کوتاه مدت بار به ویژگی های بار الکتریکی و آب و هوایی هر منطقه بستگی دارد، بنابراین با استفاده از داده های واقعی استان چهارمحال و بختیاری شامل بار و دما به پیش بینی کوتاه مدت بار الکتریکی استان پرداخته ایم. بدین منظور با استفاده از چهار روش مختلف شبکه عصبی پرسپترون (mlp < /strong>)، مجمعی از شبکه عصبی پرسپترون (mlp ensemble)، شبکه svm(support vector machine) و مجمعی از شبکه svm به پیش بینی کوتاه مدت بار استان چهار محال و بختیاری پرداختیم. نتایج حاصل از مقایسه این چهار روش نشان می دهد که مجمعی از شبکه عصبی پرسپترون بهترین روش به منظور پیش بینی کوتاه مدت بار می باشد.

short-term load forecasting using an ensemble of artificial neural networks: chaharmahal bakhtiari case

short term load forecasting is very important in electrical marketing. load forecasting is dependent on climatic condition of every region and the previous structures of electrical consumption in that region; so we have accomplished this through employing climatic data (including temperature and pressure) and real load consumption of chaharmahal bakhtiari. we have evaluated our method using four machine learning algorithms: artificial neural networks (multilayer perceptron), ensemble of artificial neural networks, support vector machine and ensemble of support vector machine. experimental results indicates that ensemble of artificial neural networks is superior to the others in the field of load consumption forecasting of chaharmahal bakhtiari.