کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7408215 1481436 2016 25 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Probabilistic electric load forecasting: A tutorial review
ترجمه فارسی عنوان
پیش بینی بار احتمالی بار الکتریکی: یک بررسی آموزشی
کلمات کلیدی
پیش بینی بار کوتاه مدت، پیش بینی بار طولانی مدت، پیش بینی بار احتمالی، تجزیه و تحلیل رگرسیون، شبکه های عصبی مصنوعی، ارزیابی پیش بینی،
ترجمه چکیده
پیش بینی بار از زمان آغاز صنعت برق، یک مشکل اساسی کسب و کار بوده است. در طول 100 سال گذشته، هر دو تلاش تحقیقاتی و شیوه های صنعت در این زمینه در درجه اول بر پیش بینی بارگذاری نقطه تمرکز کرده اند. با این وجود، در دهه اخیر، افزایش رقابت در بازار، زیرساخت های پیرسینگ و نیازهای مجتمع تجدید پذیر به این معنی است که پیش بینی بار احتمالی برای برنامه ریزی و عملیات سیستم های انرژی اهمیت بیشتری دارد. در این مقاله، یک بررسی آموزشی پیش بینی احتمالی بار الکتریکی، از جمله تکنیک های قابل توجه، روش ها و روش های ارزیابی و سوء تفاهم های رایج ارائه شده است. ما همچنین نیاز به سرمایه گذاری در پژوهش های اضافی، مانند مطالعات موردی قابل تجدید، ارزش گذاری پیش بینی بار احتمالی بار، و توجه به فن آوری های در حال ظهور و سیاست های انرژی در روند پیش بینی بار احتمالی است.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری کسب و کار و مدیریت بین المللی
پیش نمایش مقاله
پیش بینی بار احتمالی بار الکتریکی: یک بررسی آموزشی
چکیده انگلیسی
Load forecasting has been a fundamental business problem since the inception of the electric power industry. Over the past 100 plus years, both research efforts and industry practices in this area have focused primarily on point load forecasting. In the most recent decade, though, the increased market competition, aging infrastructure and renewable integration requirements mean that probabilistic load forecasting has become more and more important to energy systems planning and operations. This paper offers a tutorial review of probabilistic electric load forecasting, including notable techniques, methodologies and evaluation methods, and common misunderstandings. We also underline the need to invest in additional research, such as reproducible case studies, probabilistic load forecast evaluation and valuation, and a consideration of emerging technologies and energy policies in the probabilistic load forecasting process.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Forecasting - Volume 32, Issue 3, July–September 2016, Pages 914-938
نویسندگان
, ,