کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
8071484 | 1521395 | 2018 | 26 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Forecasting energy demand, wind generation and carbon dioxide emissions in Ireland using evolutionary neural networks
ترجمه فارسی عنوان
پیش بینی نیاز انرژی، تولید باد و انتشار دی اکسید کربن در ایرلند با استفاده از شبکه های عصبی تکاملی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
توانایی پیش بینی دقیق تقاضاهای انرژی آینده، قدرت موجود در منابع تجدیدپذیر و تاثیرات زیست محیطی تولید برق برای بخش انرژی برای برنامه ریزی، برنامه ریزی و سیاست گذاری حیاتی است. تکنیک های یادگیری ماشین، به ویژه شبکه های عصبی ثابت کرده اند که روش های بسیار موثر برای رفع این مشکلات پیش بینی شده به چالش کشیدن هستند. این تحقیق با استفاده از الگوریتم بهینه سازی تکاملی تکاملی، استراتژی تکاملی سازگاری ماتریس کوواریانس، به عنوان وسیله ای برای آموزش شبکه های عصبی برای پیش بینی تقاضای برق کوتاه مدت، تولید نیروی باد و میزان شدت دی اکسید کربن در ایرلند در طی دو ماه می باشد. شبکه بیش از یک ماه آموزش داده شده و سپس در ماه بعد آزمایش شده است. یک شبکه عصبی که با استراتژی تکاملی سازگاری ماتریسی کوواریانس آموزش داده می شود، در مقایسه با سایر روش های پیش بینی پیشرفته هنری در هنگام پیش بینی نیازهای انرژی ایرلند، با ارائه همگرایی سریع، پیش بینی دقیق تر و عملکرد قوی، بسیار رقابتی است. استراتژی تکاملی سازگاری ماتریس کوواریانس شبکه آموزش داده شده نیز پیش بینی دقیق را در پیش بینی گام های چند گانه در آینده ارائه می دهد.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی انرژی
انرژی (عمومی)
چکیده انگلیسی
The ability to accurately predict future power demands, power available from renewable resources and the environmental impact of power generation is vital to the energy sector for the purposes of planning, scheduling and policy making. Machine learning techniques, neural networks in particular, have proven to be very effective methods for addressing these challenging forecasting problems. This research utilizes the powerful evolutionary optimisation algorithm, covariance matrix adaptation evolutionary strategy, as a means of training neural networks to predict short term power demand, wind power generation and carbon dioxide intensity levels in Ireland over a two month period. The network is trained over one month and then tested over the following month. A neural network trained with covariance matrix adaptation evolutionary strategy performs very competitively when compared to other state of the art prediction methods when forecasting Ireland's energy needs, providing fast convergence, more accurate predictions and robust performance. The covariance matrix adaptation evolutionary strategy trained network also gives accurate predictions when predicting multiple time steps into the future.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy - Volume 155, 15 July 2018, Pages 705-720
Journal: Energy - Volume 155, 15 July 2018, Pages 705-720
نویسندگان
Karl Mason, Jim Duggan, Enda Howley,