کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5476468 1521426 2017 35 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Short term electricity price forecast based on environmentally adapted generalized neuron
ترجمه فارسی عنوان
پیش بینی قیمت کوتاه مدت برق بر اساس نورون تعمیم یافته سازگار با محیط زیست
کلمات کلیدی
ترجمه چکیده
آزادسازی بازارهای انرژی، در زمینه تجارت الکتریسیته به عنوان یک کالا، یک حرکت قابل توجهی به دست آورد. با افزایش در بازسازی بازارهای قدرت، قیمت برق نقش مهمی در سناریوی بازار ناکارآمد بازار دارد که عمدتا تحت تاثیر اقتصاد تحت کنترل است. در محدوده غیر تنظیم شده، پیش بینی قیمت، جنبه مهمی برای برنامه ریزی سیستم قدرت است. مشکل پیش بینی قیمت ها می تواند به طور کامل به عنوان یک مشکل پردازش سیگنال با برآورد مناسب پارامترهای مدل، مدل سازی عدم قطعیت ها و غیره مورد توجه قرار گیرد. از میان مدل های موجود، مدل های مبتنی بر شبکه عصبی مصنوعی، به دلیل ساختار جعبه سیاه آنها، محدودیت های خود را دارد. در کار پیشنهادی برای غلبه بر محدودیت های مدل شبکه عصبی مصنوعی کلاسیک، مدل عصبی تعمیم یافته برای پیش بینی قیمت برق کوتاه مدت در بازار برق استرالیا مورد استفاده قرار می گیرد. پیش پردازش پارامترهای ورودی با استفاده از تبدیل موجک به منظور نمایش بهتر اجزای کم و زیاد فرکانس انجام می شود. پارامترهای آزاد از مدل عصبی تعمیم یافته با استفاده از الگوریتم روش سازگاری محیطی برای افزایش توانایی و کارایی تعاریف مدل، تنظیم می شوند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
پیش نمایش مقاله
پیش بینی قیمت کوتاه مدت برق بر اساس نورون تعمیم یافته سازگار با محیط زیست
چکیده انگلیسی
The liberalization of the power markets gained a remarkable momentum in the context of trading electricity as a commodity. With the upsurge in restructuring of the power markets, electricity price plays a dominant role in the current deregulated market scenario which is majorly influenced by the economics being governed. In the deregulated environment price forecasting is an important aspect for the power system planning. The problem of price forecasting can be entirely viewed as a signal processing problem with proper estimation of model parameters, modeling of uncertainties, etc. Among the different existing models the artificial neural network based models have gained wide popularity due their black box structure but it too has its own limitations. In the proposed work in order to overcome the limitations of the classical artificial neural network model, generalized neuron model is used for forecasting the short term electricity price of Australian electricity market. The pre-processing of the input parameters is accomplished using wavelet transform for better representation of the low and high frequency components. The free parameters of the generalized neuron model are tuned using environment adaptation method algorithm for increasing the generalization ability and efficacy of the model.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy - Volume 125, 15 April 2017, Pages 127-139
نویسندگان
, , ,