کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6859928 1438736 2015 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A hybrid model based on data preprocessing for electrical power forecasting
ترجمه فارسی عنوان
مدل ترکیبی بر اساس پیش پردازش داده ها برای پیش بینی قدرت الکتریکی
کلمات کلیدی
پیش بینی قدرت برق، مدل ترکیبی دقت پیش بینی، انتخاب مدل،
ترجمه چکیده
پیش بینی قدرت برق نقش مهمی در مدیریت و برنامه ریزی سیستم قدرت دارد. پیش بینی اشتباه می تواند منجر به اتلاف منابع کم انرژی، کمبود برق و حتی انباشت شبکه برق شود. از سوی دیگر، پیش بینی قدرت برق دقیق می تواند راهنمای قابل اطمینانی برای برنامه ریزی تولید برق و بهره برداری از یک سیستم قدرت را فراهم کند، که همچنین برای توسعه مستمر صنایع برق مهم است. اگرچه هزاران مقالات علمی هر ساله پیش بینی قدرت برق را در نظر می گیرند، تنها تعداد کمی برای توسعه یک مدل کلی برای پیش بینی قدرت برق اختصاص داده شده است که عملکرد را در موارد مختلف بهبود می بخشد. این مقاله یک مدل پیش بینی ترکیبی برای پیش بینی قدرت الکتریکی ارائه می دهد که شامل چندین شبکه عصبی مصنوعی و انتخاب مدل است. برای ارزیابی عملکرد پیش بینی مدل پیشنهادی، این مقاله از داده های الکتریکی نیم ساعت در ایالت ویکتوریا و نیو ساوت ولز استرالیا به عنوان مورد مطالعه استفاده می کند. نتایج تجربی به وضوح نشان می دهد که برای این مجموعه داده خاص، عملکرد پیش بینی مدل هیبریدی پیشنهادی نسبت به مدل پیش بینی یکپارچه برجسته است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
مدل ترکیبی بر اساس پیش پردازش داده ها برای پیش بینی قدرت الکتریکی
چکیده انگلیسی
Electrical power forecasting plays a vital role in power system administration and planning. Inaccurate forecasting can lead to the waste of scarce energy resources, electricity shortages, and even power grid collapses. On the other hand, accurate electricity power forecasting can enable reliable guidance for the planning of power production and the operation of a power system, which is also important for the continued development of the electrical power industry. Although thousands of scientific papers address electricity power forecasting each year, only a small number are devoted to developing a general model for electricity power prediction that improves performance in different cases. This paper proposes a hybrid forecasting model for electrical power prediction that incorporates several artificial neural networks and model selection. To evaluate the forecasting performance of the proposed model, this paper uses half-hourly electrical power data of the State of Victoria and New South Wales of Australia as a case study. The experimental results clearly indicate that for this particular dataset, the forecasting performance of the proposed hybrid model is outstanding compared to that of the single forecasting model.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Electrical Power & Energy Systems - Volume 64, January 2015, Pages 311-327
نویسندگان
, , , ,