خلاصة:
ﭘﯿﺶ ﺑﯿﻨﯽ ﻣﺼﺮف و ﺗﻘﺎﺿﺎی اﻧﺮژی اﻟﮑﺘﺮﯾﮑﯽ از ﻣﻬﻤﺘﺮﯾﻦ اﺑﺰارﻫﺎی ﺗﺼﻤﯿﻢ ﮔﯿﺮی در ﺷﺮﮐﺖ ﻫﺎی ﺗﻮزﯾﻊ ﺑﺮای ﺑﺮﻧﺎﻣﻪ رﯾﺰی ﻋﻘﺪ ﻗﺮاردادﻫﺎ و ﺧﺮﯾﺪ اﻧﺮژی اﻟﮑﺘﺮﯾﮑﯽ اﺳﺖ. اﯾﻦ ﭘﺎﯾﺎن ﻧﺎﻣﻪ ﺑﻪ ﻣﺪل ﺳﺎزی ﻣﺼﺮف ﺑﺎر اﻟﮑﺘﺮﯾﮑﯽ در ﺷﺒﮑﻪ ﺗﻮزﯾﻊ ﻫﻤﺪان ﺑﺎ اﺳﺘﻔﺎده از ﺷﺒﮑﻪ ﻫﺎی ﻋﺼﺒﯽ ESN ﻣﯽ ﭘﺮدازد. در ﻓﺼﻮل اول ﺑﻪ ﺑﺮرﺳﯽ ﻋﻮاﻣﻞ ﻣﻮﺛﺮ ﺑﺮ ﻣﺼﺮف اﻧﺮژی اﻟﮑﺘﺮﯾﮑﯽ و ﻣﻮاد و روش ﭘﯿﺶ ﺑﯿﻨﯽ ﻣﯿﺰان ﻣﺼﺮف ﺑﺮق ﮐﻪ ﺷﺒﮑﻪ ﻫﺎی ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ ﻫﺴﺘﻨﺪ ﻣﯽ ﭘﺮدازد. داده ﻫﺎی ﻫﻮاﺷﻨﺎﺳﯽ از ﻗﺒﯿﻞ ﺣﺪاﻗﻞ دﻣﺎی روزاﻧﻪ ﻣﯿﺎﻧﮕﯿﻦ دﻣﺎی روزاﻧﻪ، ﺣﺪاﮐﺜﺮ دﻣﺎی روزاﻧﻪ،ﺣﺪاﻗﻞ دﻣﺎی ﻧﻘﻄﻪ ﺷﺒﻨﻢ، ﻣﯿﺎﻧﮕﯿﻦ دﻣﺎی ﻧﻘﻄﻪ ﺷﺒﻨﻢ، ﺣﺪاﮐﺜﺮ دﻣﺎی ﻧﻘﻄﻪ ﺷﺒﻨﻢ، ﺣﺪاﮐﺜﺮ درﺻﺪ رﻃﻮﺑﺖ، ﻣﯿﺎﻧﮕﯿﻦ درﺻﺪ رﻃﻮﺑﺖ و ﺣﺪاﻗﻞ درﺻﺪ رﻃﻮﺑﺖ از اﯾﺴﺘﮕﺎه ﻫﺎی ﻫﻮاﺷﻨﺎﺳﯽ ﻫﻤﺪان ﺟﻤﻊ آوری ﺷﺪه اﻧﺪ. ﺑﺎ ﺑﺮرﺳﯽ اﯾﻦ ﭘﺎراﻣﺘﺮﻫﺎ و اﻧﺮژی اﻟﮑﺘﺮﯾﮑﯽ ﻣﺼﺮﻓﯽ روزاﻧﻪ ﺛﺒﺖ ﺷﺪه در ﺷﺮﮐﺖ ﺗﻮزﯾﻊ اﺳﺘﺎن ﻫﻤﺪان، و ﺑﺎ اﺳﺘﻔﺎده از ﺗﺤﻠﯿﻞ ﻫﺎی آﻣﺎری، ﭘﺎراﻣﺘﺮﻫﺎی ﻣﻮﺛﺮ ﺑﺮ ﻣﯿﺰان ﻣﺼﺮف ﺑﺮق روزاﻧﻪ ﺷﻨﺎﺳﺎﯾﯽ ﺷﺪه اﺳﺖ. ﺑﺎ اﺳﺘﻔﺎده از ﺷﺒﮑﻪ ﻫﺎی ﻋﺼﺒﯽ ESN ﻣﺪل ﺳﺎزی اﯾﻦ ﺑﺎر اﻟﮑﺘﺮﯾﮑﯽ ﺑﺎ ﭘﺎراﻣﺘﺮﻫﺎی ﺷﻨﺎﺳﺎﯾﯽ ﺷﺪه اﻧﺠﺎم ﺷﺪه و ﺑﻪ ﭘﯿﺶ ﺑﯿﻨﯽ ﺑﺎر اﻟﮑﺘﺮﯾﮑﯽ ﭘﺮداﺧﺘﻪ ﻣﯽ ﺷﻮد .
ملخص الجهاز:
مدل سازی بار الکتریکی و پیش بینی بارکوتاه مدت با استفاده از شبکه های عصبی ESN میلاد ساسانی ١، شهرام جوادی ٢، فرداد فرخی 3 ١ دانش آموخته کارشناسی ارشد ناپیوسته رشته مهندسی برق - الکترونیک ، دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد تهران مرکز، تهران ایران ٢ استاد راهنما، دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد تهران مرکز، تهران ایران ٣ استاد مشاور، دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد تهران مرکز، تهران ایران چکیده پیش بینی مصرف و تقاضای انرژی الکتریکی از مهمترین ابزارهای تصمیم گیری در شرکت های توزیع برای برنامه ریزی عقد قراردادها و خرید انرژی الکتریکی است .
با بررسی این پارامترها و انرژی الکتریکی مصرفی روزانه ثبت شده در شرکت توزیع استان همدان ، و با استفاده از تحلیل های آماری، پارامترهای موثر بر میزان مصرف برق روزانه شناسایی شده است .
در این روش ابتدا پارامترهای تاثیرگذار در روند تغییرات بار الکتریکی سالهای گذشته شناسایی شده و سپس با استفاده از شبکه های عصبی مدل پیش بینی ساخته می شود.
( لورت ٣ و همکاران ، ٢٠٠٨) 1 Becalli 2 Neural Networks 3 Lauret 103 روش تحقیق داده های مورد نیاز برای انجام این تحقیق از شرکت توزیع برق استان همدان بدست می آید.
چهار مدل مختلف با استفاده از شبکه های عصبی برای پیش بینی رفتار بار در سال ٩٤ توسعه یافته است .
"Short term electrical load forecasting using back propagation neural networks.