کنفرانس منطقه ای سیرد

پیش بینی کوتاه مدت بار با استفاده از شبکه عصبی مصنوعی و درخت رگرسیون کیسه ای

نویسندگان :

محسن شهسواری¹ محسن معتمدی فرد²

1- شرکت توزیع برق شهرستان اصفهان 2- شرکت توزیع برق شهرستان اصفهان

کلمات کلیدی :

پیش بینی بار،شبکه عصبی مصنوعی،درخت رگرسیون کیسه ای

چکیده :

تقاضای جهانی برای انرژی با گسترش زیرساخت های انرژی و اضافه شدن وسایل جدید هر روز در حال افزایش است. پیش‌بینی بار یکی از روش‌هایی است که EMS را قادر می‌سازد کارآمد باشد. دقت پیش بینی بار به عوامل زیادی بستگی دارد. مدل پیش‌بینی بار باید پیش‌بینی آب‌وهوای منطقه را در تهیه یک پیش‌بینی دقیق در نظر بگیرد. اکثر مدل‌های پیش‌بینی مورد بحث در ادبیات، از داده‌های مصرف برق تاریخی ساختمان یا خانه استفاده می‌کنند. برخی از آنها استفاده از داده های هواشناسی را برای پیش بینی بار در نظر نمی گیرند. مشاهده شده است که عملکرد پیش بینی می تواند با ترکیب درختان رگرسیون چندگانه افزایش یابد. این مقاله شبکه عصبی مصنوعی و درختان رگرسیون کیسه‌ای (Bagged Regression Tree) را برای تولید و پیش‌بینی بار در منطقه شهری با استفاده از داده‌های هواشناسی توسعه می‌دهد. از طریق تجزیه و تحلیل مشاهده شده است که درختان رگرسیون کیسه ای پیش بینی بار بهتری را برای بار روز آینده در منطقه شهری ایجاد می کنند.