برچسب رقابتی - حامی فایل

اختصاصی از حامی فایل پایان نامه استراتژی قیمت دهی برق در بازار رقابتی برق ایران با استفاده از الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

پایان نامه استراتژی قیمت دهی برق در بازار رقابتی برق ایران با استفاده از الگوریتم ژنتیک

فرمت فایل : WORD (قابل ویرایش)

تعداد صفحات:87

پایان نامه کارشناسی ارشد مهندسی سیستم های انرژی

فهرست مطالب:
چکیده
فصل اول مقدمه و معرفی بازار برق ایران، مروری بر تحقیقات انجام شده   1
1-1   مقدمه   2
1-2   بازار برق دنیا و اصول پیشنهاد قیمت در بازار برق ایران   5
1-3   تشکیل بازار برق ایران و خصوصی سازی صنعت برق   9
1-4   ساختار جدید بازار برق و عمده فروشی   10
1-5   تغییر تفکر و نوع نگاه به برق   11
1-6   شکل گیری بازار برق در ایران   12
1-7   موانع شکل گیری و یا انحراف بازار رقابتی برق   13
1-7-1   ذینفع بودن بهره بردار مستقل سیستم و بازار از مبادلات   13
1-7-2   قدرت بازار   13
1-7-3   ذخیره تولید   13
1-7-4   نیروگاههای خاص   13
1-7-5   تبانی   14
1-7-6   دسترسی منصفانه به شبکه   14
1-7-7   تعرفه های استفاده از خدمات انتقال و توزیع   14
1-7-8   بازبینی مستمر بر عملکرد بازار   14
فصل دوم مدل سازی با استفاده از شبکه عصبی   15
1-2   معرفی شبکه عصبی مصنوعی   16
2-2   سابقه تاریخی   18
2-3   ساختار شبکه های عصبی مصنوعی   18
2-4   مبانی محاسباتی شبکه های عصبی مصنوعی   21
2-4-1   لایه ورودی   22
2-4-2   لایه پنهانی   22
2-4-3   لایه خروجی   22
2-4-4   عناصر محاسباتی یک نرون   24
2-4-5   معرفی برخی از توابع انتقال خطی و غیرخطی قابل استفاده در شبکه عصبی   26
2-4-5-1   تابع انتقال Hard limit   26
2-4-5-2   تابع انتقال خطی   26
2-4-5-3   تابع انتقال Log sigmoid   27
2-4-5-4   تابع انتقال Radial basis   27
2-4-5-5   تابع انتقال Tan sigmoid   27
2-5   نحوه عملکرد شبکه عصبی   28
2-6   توابع آموزش   29
فصل سوم بهینه سازی مدل با استفاده از الگوریتم ژنتیک   30
3-1   مقدمه ای بر الگوریتم ژنتیک   31
3-2   نکات مهم در الگوریتم های ژنتیک   31
3-3   مفاهیم اولیه در الگوریتم ژنتیک   32
اصول پایه       32
3-4   کد کردن   33
3-4-1   انواع کدینگ   34
3-4-2   روش های کدینگ   34
3-4-2-1   کدینگ باینری   34
3-4-2-2   کدینگ جهشی   34
3-4-2-3   کدینگ ارزشی   35
3-4-2-4   کدینگ درختی   35
3-4-3   مسائل مربوط به کدینگ   36
3-5   کروموزوم   38
3-6   جمعیت   38
3-7   مقدار برازندگی   39
3-8   عملگر تقاطعی   39
3-9   عملگر جهشی   41
3-10   مراحل اجرای الگوریتم ژنتیک   41
فصل چهارم الگوریتم پیشنهادی به منظور تعیین استراتژی قیمت دهی برق   46
4-1   طرح پیشنهادی به منظور تعیین استراتژی قیمت دهی   47
4-2   متغیرهای ورودی   50
4-3   متغیرخروجی   50
4-4   بکارگیری الگوریتم ژنتیک جهت بدست آوردن معماری شبکه عصبی   50
4-4-1   قیود اعمال شده به فضای جستجوی الگوریتم ژنتیک جهت معماری شبکه عصبی   51
4-4-2   پارامترهای مهم تعیین شده در الگوریتم   51
4-4-3   نتایج بدست آمده از الگوریتم ژنتیک در معماری شبکه عصبی جعبه های تصمیم گیری   52
4-4-4   روش های اندازه گیری خطاهای نتایج خروجی   54
4-4-5   جداول خطاهای نتایج خروجی از الگوریتم   55
4-4-6   رگرسیون شبکه عصبی مربوط به جعبه های الگوریتم پیشنهادی   57
4-5   اعتبارسنجی نتایج در بازار واقعی برق ایران   61
نتایج خروجی نرم افزار در یک روز مشخص(قیمت بهینه پیش بینی شده)   63

فصل پنجم نتایج کلی و ارائه پیشنهادات   66
5-1   نتیجه گیری   67
5-2   پیشنهادات   68
مراجع   69

فهرست اشکال
شکل 1-1: منحنی عرضه و تقاضا و نقطه تسویه بازار   4
شکل 2- 1: ساختمان سلول عصبی   19
شکل 2- 2: الگوی کلی از یک شبکه عصبی   21
شکل 2- 3: شماتیک ارتباطات بین لایه ها و وزن های سیناپتیکی در شبکه عصبی   22
شکل 2- 4: تناظر بین شبکه عصبی و شبکه عصبی مصنوعی   23
شکل 2- 5: نمای شماتیک یک نرون   23
شکل 2- 6: شبیه سازی یک نرون بیولوژیکی و مصنوعی   24
شکل 2- 7: برخی از توابع انتقال غیرخطی قابل استفاده در شبکه عصبی   25
شکل 2- 8: تابع انتقال Hard limit   26
شکل 2- 9: تابع انتقال خطی   26
شکل 2- 10: تابع انتقال Log sigmoid   27
شکل 2- 11: تابع انتقال Radial basis   27
شکل 2- 12: تابع انتقال Tan sigmoid   27
شکل 2- 13: نمایش لایه ای از شبکه عصبی   28
شکل 2- 14: نمایش شبکه عصبی سه لایه ای   28
شکل 3- 1: کدینگ باینری   34
شکل 3- 2: کدینگ جهشی   35
شکل 3- 3: کدینگ ارزشی   35
شکل 3- 4: کدینگ درختی   36
شکل 3- 5: فضای کدینگ و فضای جواب   36
شکل 3- 6: رابطه بین کروموزوم ها و جواب ها   37
شکل 3- 7: انواع روابط بین کروموزوم ها و جواب ها   38
شکل 3- 8: نمایش یک کروموزوم n بیتی   38
شکل 3- 9: تقاطع در کرموزوم هایی که از شکل کد شده چهار متغیر به وجود آمده اند.   40
شکل 3- 10: مراحل اجرای الگوریتم ژنتیک   42
شکل 3- 11:چرخ رولت   43
شکل 4- 1: شماتیک پله های قیمت در بازار، میزان تقاضا، نقطه تسویه بازار در یک ساعت مشخص   47
شکل 4- 2: شماتیک طرح پیشنهادی و جعبه های تصمیم گیری تعبیه شده در الگوریتم حل مساله   49
شکل 4- 3: نتایج خروجی الگوریتم ژنتیک برای جعبه مربوط به داده های 1 سال گذشته   52
شکل 4- 4: نتایج خروجی الگوریتم ژنتیک برای جعبه مربوط به داده های 1 ماه گذشته   52
شکل 4- 5: نتایج خروجی الگوریتم ژنتیک برای جعبه مربوط به داده های 1 هفته گذشته   53
شکل 4- 6: نتایج خروجی الگوریتم ژنتیک برای جعبه مربوط به داده های بارهای مصرفی نزدیک به داده مورد نظر   53
شکل 4- 7: رگرسیون شبکه عصبی مربوط به جعبه داده های 1 سال گذشته   57
شکل 4- 8: رگرسیون شبکه عصبی مربوط به جعبه داده های 1 ماه گذشته   58
شکل 4- 9: رگرسیون شبکه عصبی مربوط به جعبه داده های 1 هفته گذشته   59
شکل 4- 10: رگرسیون شبکه عصبی مربوط به جعبه داده های بارهای مصرفی نزدیک به داده مورد نظر   60
شکل 4- 11: فرم ثبت قیمت برای فروشندگان برق و مالکان نیروگاه ها   61
شکل 4- 12: فرم مخصوص خریداران برق جهت مشخص شدن نیاز بار مصرفی در روزهای آتی   61
شکل 4- 13: گزارش آرایش تولید فروشنده   62
شکل 4- 14: قیمت های بهینه استخراج شده از نرم افزار در روز 27/01/1392 و ثبت آنها در بازار واقعی   63
شکل 4- 15: مقدار ظرفیت مگاواتی پیشنهادی در هر پله فروش برق در روز 27/01/1392   63
شکل 4- 16: آرایش تولید نیروگاه تست شده در روز 27/01/1392   64
شکل 4- 17: آرایش تولید نیروگاه تست شده در روز 28/01/1392   65
شکل 4- 18: آرایش تولید نیروگاه تست شده در روز 29/01/1392   65

فهرست جداول
جدول 2- 1: انواع توابع آموزش   29
جدول 3- 1: انتخاب کروموزوم ها با استفاده از مدل چرخ رولت   43
جدول 4- 1: متغیرهای ورودی مدل سازی   50
جدول 4- 2: خطاهای اندازه گیری شده توسط روش های مختلف برای جعبه مربوط به داده های 1 سال گذشته   55
جدول 4- 3: خطاهای اندازه گیری شده توسط روش های مختلف برای جعبه مربوط به داده های 1 ماه گذشته   55
جدول 4- 4: خطاهای اندازه گیری شده توسط روش های مختلف برای جعبه مربوط به داده های 1 هفته گذشته   55
جدول 4- 5: خطاهای اندازه گیری شده توسط روش های مختلف برای جعبه مربوط به داده های بارهای مصرفی نزدیک به داده مورد نظر   56

چکیده
در فرایند تجدید ساختار بازار برق ، روش های قیمت دهی تولید کنندگان نیرو مهمترین عامل برای بدست آوردن سود بیشتر می باشد و به همین دلیل پژوهش های زیادی با رویکرد های مختلف مانند رویکرد بهینه سازی در زمینه تعیین استراتژی های قیمت دهی صورت گرفته است. در این پژوهش سعی شده است با استفاده از مفاهیم کاربردی الگوریتم ژنتیک و استخراج یک مدل مناسب از شبکه عصبی به این مسئله نگاه شود. در واقع نو آوری این پژوهش نیز علاوه بر ارائه طرحی جدید برای حل مسئله بهینه سازی مدل، مقایسه و آزمایش واقعی خروجی های نرم افزار در بازار برق ایران و نگاه ویژه به کاربردی بودن حل مسئله با استفاده از الگوریتم پیشنهادی و مفاهیم اقتصادی بوده است. در این پژوهش پس از معرفی بازار برق ایران و ساختار حاکم بر آن، طرحی نو جهت بهینه سازی استراتژی فروش برق توسط مالکان نیروگاه ها و تولیدکنندگان ارائه گردیده است، به طوری که ابتدا طرح و الگوریتم جدید معرفی می شود و سپس تابع هدف مورد نظر ما در بهینه سازی پیش رو، در شبکه عصبی مدل می گردد تا با داشتن یک مدل مناسب و توان¬مند در توصیف سیستم بتوان بهینه سازی قابل قبولی با استفاده از الگوریتم ژنتیک انجام داد. در انتها در ابتکاری داوطلبانه و با استفاده از جلب اطمینان و همکاری یکی از نیروگاه های سیکل ترکیبی کشور، خروجی های الگوریتم پیشنهادی در سامانه قیمت دهی نیروگاه های کشور ثبت گردید و نتایج بدست آمده بر مبنای این طرح در فضای واقعی بازار برق ایران تست شد و خوشبختانه نتایج فراتر از انتظار پژوهش انجام شده، حاصل گردید؛ که گواه این ادعا نیز گزارشات خروجی سامانه قیمت دهی وزارت نیرو می باشد که در فصل مربوط به نتایج این پایان نامه گنجانده شده است. این موضوع موید نقاط قوت این مدل سازی و بهینه سازی می باشد.

کلمات کلیدی: قیمت بهینه، استراتژی های قیمت دهی، شبکه عصبی، الگوریتم ژنتیک، بازار برق ایران

دانلود با لینک مستقیم

حامی فایل

پیوندها

دسته‌ها

ابر برجسب

جدیدترین یادداشت‌ها

بایگانی

جستجو

پرسشنامه مزیت رقابتی

پایان نامه استراتژی قیمت دهی برق در بازار رقابتی برق ایران با استفاده از الگوریتم ژنتیک