کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8075316 1521464 2015 26 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A combined model based on data pre-analysis and weight coefficients optimization for electrical load forecasting
ترجمه فارسی عنوان
یک مدل ترکیبی براساس پیشآزمون داده ها و بهینه سازی ضرایب وزن برای پیش بینی بار الکتریکی
کلمات کلیدی
پیش بینی قدرت برق، مدل ترکیبی دقت پیش بینی، داده پیش تجزیه و تحلیل،
ترجمه چکیده
پیش بینی بار الکتریکی همواره نقش کلیدی در مدیریت سیستم قدرت، برنامه ریزی برای برنامه ریزی انتقال انرژی و ارسال بار داشته است. برای پیش بینی بار الکتریکی، با توجه به این واقعیت که مدل ترکیبی توانایی به طور موثر محاسبه فصلی و غیر خطی نشان داده شده در داده های بار الکتریکی، جذب شایستگی ها و اجتناب از محدودیت های مدل های فردی، مدل ترکیبی جدید ارائه شده است. در این مدل، قبل از تجزیه و تحلیل داده ها برای کاهش تداخل داده ها استفاده می شود، در عین حال جستجوی کوکو در ابتدا برای بهینه سازی ضرایب وزن مدل ترکیبی استفاده می شود. برای ارزیابی پیش بینی عملکرد مدل ترکیبی پیشنهاد شده، اطلاعات نیمه ساعتی برق از فوریه 2006 تا 2009 برای ایالت نیو ساوت ولز، اوت 2006 تا 2008 برای دولت ویکتوریا و نوامبر 2006 تا 2008 برای ایالت کوئینزلند، استرالیا، در این مقاله به عنوان یک مورد مورد استفاده قرار گرفت. نتایج تجربی نشان می دهد که مدل ترکیبی پیشنهاد شده برتر از مدل های پیش بینی فردی در مقایسه با عملکرد پیش بینی شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
پیش نمایش مقاله
یک مدل ترکیبی براساس پیشآزمون داده ها و بهینه سازی ضرایب وزن برای پیش بینی بار الکتریکی
چکیده انگلیسی
Electrical load forecasting has always played a key role in power system administration, planning for energy transfer scheduling and load dispatch. For electrical load forecasting, due to the fact that combined model has the capacity to effectively calculate the seasonality and nonlinearity shown in the electrical load data, absorb the merits and avoid the limitations of the individual models, a new combined model is presented. In this model, the data pre-analysis is used to reduce the interferences from the data, meanwhile cuckoo search is firstly used to optimize weight coefficients of the combined model. To evaluate the forecast performance of the proposed combined model, half-hourly electricity power data from February 2006 to 2009 for the State of New South Wales, August 2006 to 2008 for the State of Victoria and November 2006 to 2008 for the State of Queensland, Australia, were used in this paper as a case study. The experimental results show that the proposed combined model is superior to the individual forecasting models regarding forecast performance.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy - Volume 82, 15 March 2015, Pages 524-549
نویسندگان
, , , ,