کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5476724 1399206 2016 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Long-term electric energy consumption forecasting via artificial cooperative search algorithm
ترجمه فارسی عنوان
پیش بینی مصرف برق درازمدت از طریق الگوریتم جستجو مصنوعی همکاری
کلمات کلیدی
جستجوی تعاونی مصنوعی، شاخص اقتصادی، مصرف انرژی الکتریکی، پیش بینی،
ترجمه چکیده
این مطالعه به صورت ریاضی، تاثیرات شاخص های اقتصادی اجتماعی (تولید ناخالص داخلی، جمعیت، شاخص سهام، صادرات و واردات) را بر مصرف انرژی الکتریکی ایران شکل می دهد. تجزیه و تحلیل ضریب مسیر بر روی مدل های خطی، درجه دوم، نمایشی و لگاریتمی برای تعیین عوامل بهینه سازی شده انجام می شود. بر این اساس، الگوریتم جستجو مصنوعی تعاونی برای توسعه راه حل بهتر و بهبود دقت برآورد توسعه یافته است. الگوریتم جستجوی همکاری مصنوعی یک الگوریتم تکاملی جدید است که با احتمال بالا برای یافتن راه حل بهینه در مشکلات بهینه سازی پیچیده است. این شایستگی با بهره گیری از نتایج بهتر و اکتشاف فضای جستجو مشکل با استفاده از یک پارامتر کنترل واحد و دو اپراتور پیشرفته متقاطع و جهش ارائه شده است. برای ارزیابی کاربرد و دقت روش پیشنهادی، آن را با الگوریتم ژنتیک، بهینه سازی ذرات ذرات، الگوریتم رقابت امپریالیستی، جستجوی کوکنار، شبیه سازی آنیلینگ و تکامل دیفرانسیل مقایسه می شود. نتایج شبیه سازی با مجموعه داده های واقعی حاصل از سال های 1992 تا 2013 تأیید می شوند. نتایج به دست آمده از روش پیش بینی مصرف برق در مقایسه با سایر روش های بهینه سازی، دقت بیشتری و قابلیت اطمینان روش پیشنهادی را تایید می کند. برآورد آینده انرژی مصرفی ایران تا سال 2030 بر اساس سه سناریو متفاوت پیش بینی می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
پیش نمایش مقاله
پیش بینی مصرف برق درازمدت از طریق الگوریتم جستجو مصنوعی همکاری
چکیده انگلیسی
This study mathematically formulates the effects of socio-economic indicators (gross domestic production, population, stock index, export, and import) on Iran's electric energy consumption. The path-coefficient analysis is implemented on linear, quadratic, exponential, and logarithmic models to determine the optimized weighting factors. On this basis, artificial cooperative search algorithm is developed to provide better-fit solution and improve the accuracy of estimation. Artificial cooperative search algorithm is a recently developed evolutionary algorithm with high probability of finding optimal solution in complex optimization problems. This merit is provided by balancing exploitation of better results and exploration of the problem's search space through use of a single control parameter and two advanced crossover and mutation operators. To assess the applicability and accuracy of the proposed method, it is compared with genetic algorithm, particle swarm optimization, imperialist competitive algorithm, cuckoo search, simulated annealing, and differential evolution. The simulation results are validated by actual data sets obtained from 1992 until 2013. The results confirm the higher accuracy and reliability of the proposed method in electric power consumption forecasting as compared with other optimization methods. Future estimation of Iran's electric energy consumption is then projected up to 2030 according to three different scenarios.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy - Volume 115, Part 1, 15 November 2016, Pages 857-871
نویسندگان
, , ,