پیش بینی قیمت بازار برق با استفاده از شبکه های عصبی
لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:PDF
تعداد صفحه:105
پایان نامه برای دریافت درجه کارشناسی ارشد “M.SC”
مهندسی برق - قدرت
فهرست مطالب :
چکیده 1
مقدمه 2
فصل اول : کلیات 3
1-1 ) هدف 4
2-1 ) فاکتورهای تاثیر گذار بر قیمت 6
3-1 ) فرار بودن قیمت 7
4-1 ) انواع پیش بینی قیمت 8
5-1 ) انوع کاربران پیش بینی قیمت 9
6-1 ) روشهای سنتی برای حل مساله پیش بینی کوتاه مدت قیمت 11
1-6-1 ) مدل سری های زمانی 11
2-6-1 ) مدل رگرسیون 14
3-6-1 ) سیستم های هوشمند 14
7-1 ) ساختار پایان نامه 15
فصل دوم : مقدمه ای بر شبکه عصبی و الگوریتم ژنتیک 16
1-2 ) شبکه عصبی 17
2-2 ) ساختار شبکه عصبی مصنوعی 19
3-2 ) شبکه پرسپترون چند لایه 23
4-2 ) فرایند یارگیری 24
1-4-2 ) الگوریتم پس انتشار 26
2-4-2 ) الگوریتم پس انتشار ارتجاعی 32
5-2 ) کاربرد شبکه عصبی مصنوعی در سیستم های قدرت 33
6-2 ) الگوریتم ژنتیک 35
7-2 ) ساختار الگوریتم ژنتیک 37
1-7-2 ) افراد یا کروموزوم ها 34
2-7-2 ) جمعیت 37
3-7-2 ) کد گذاری کروموزوم ها 38
4-7-2 ) تعیین جمعت اولیه 39
5-7-2 ) تابع هدف 39
6-7-2 ) انتخاب 40
7-7-2 ) تقاطع 42
8-7-2 ) جهش 44
9-7-2 ) اعمال قیود در بهینه سازی 44
فصل سوم : طراحی شبکه عصبی بهینه شده توسط الگوریتم ژنتیک 46
الف) شبکه بدون اجرای الگوریتم ژنتیک 47
1-3 ) مقدمه 47
2-3 ) بازار برق نوردیک 48
3-3 ) طراحی شبکه عصبی 52
4-3 ) درصد خطای مطلق 57
5-3 ) حد بالای قیمت 59
6-3 ) تعداد نرونهای لایه پنهان 61
7-3 ) رابطه بار با قیمت 62
8-3 ) اصلاح داده ها جهت آموزش 66
ب) بهینه سازی شبکه عصبی مصنوعی توسط الگوریتم ژنتیک 70
9-3 ) تعیین نرونهای لایه پنهان با استفاده از الگوریتم ژنتیک 70
10-3 )شبیه سازی و ابزار آن 74
فصل چهارم:مقایسه روش رگرسیونی با شبکه عصبی بهینه شده با الگوریتم ژنتیک 76
1-4 )مقدمه 77
2-4 ) تحلیل رگرسیونی 77
فصل پنجم : نتیجه گیری و پیشنهادات 80
نتیجه گیری 81
پیشنهادات 82
84 پیوست 1
86 پیوست 2
مراجع فارسی 87
مراجع انگلیسی 88
سایت های اطلاع رسانی 89
چکیده انگلیسی 90
چکیده :
امروزه بازار برق در جهان به صورت علمی شناخته شده می باشد و رقابت در آن هر روز بیشتر از قبل
می شود. در این میان پیش بینی قیمت و ابزار آن به شرکت کنندگان بازار در بدست آوردن سود هرچه
بیشتر کمک شایانی می کند. هدف این پایان نامه گسترش شبکه عصبی و بهینه سازی آن توسط الگوریتم
ژنتیک برای پیش بینی قیمت بازار برق است تا بر دقت هر چه بیشتر این مساله بیافزاید. از آنجا که در
مدلهای سنتی و همچنین مدل شبکه های عصبی همواره از روشهای احتمالاتی جهت افزایش دقت پیش
بینی استفاده می شود در این مدل سعی شده تا با ارائه روشی جدید از این موارد صرف نظر کرد تا وقت
کمتری برای پیش بینی گرفته شود. یکی از مضوعاتی که همواره دقت پیش بینی را تحت تاثیر قرار می
دهد وجود موارد بحرانی و ناگهانی در سیستم است که در این پایان نامه با استفاده از روشهای کارآمد این
مسائل را کنترل خواهیم کرد. در مدل پیشنهاد شده از اطلاعات بازار برق نوردیک استفاده شده است اما
بدیهی است که مدل مزبور برای هر بازار دیگری قابل استفاده می باشد. در پایان برای نشان دادن دقت
پیش بینی مدل پیشنهادی، مقایسه ای بین آن و یکی از روشهای سنتی انجام شده است.
نگرانی اصلی هر صنعت الکتریکی توانایی تولید قابل اطمینان و خدمت رسانی بدون وقفه به مصرف
کنندگان خود است. برخلاف دیگر کالاها، انرژی الکتریکی به دلیل ماهیت طبیعی خود، به محض تولید
باید مصرف شود که در غیر این صورت بابت تولید،تولید کننده پولی دریافت نمی کند. بنابراین ایجاد طرح
منابع مؤثر و مطمئن امری ضروری است. عملکردهایی مانند تعیین قیمت سوخت، برنامه ریزی ورود و
خروج واحدهای تولیدی 1 ، همانند برنامه ریزی تعمیرات، باید تا حد امکان جهت کم کردن هزینه عملکرد
سیستم، انجام شود.
چالش ها هنگام تجدید ساختار صنعت برق بسیار بااهمیت تر می شود. انتظار می رود که با تجدید
سازمان یافتن صنعت برق راندمان بالا رود و رقابت جهت سوددهی به مصرف کننده افزایش یابد. در
گذشته اغلب تولیدکنندگان انرژی مالک منابع تولید، انتقال و توزیع بودند. صنایع مجبور بودند با وجود
راندمان پایین پول انرژی را بدهند که این موضوع موجب تولید کم بازده، سیاست قیمت گذاری نامعقول و
فراوانی نیروی انسانی می شد. با ایجاد بازار آزاد انرژی، دیگر شرکتهای تولید کننده و توزیع برق قادر به
انحصار قیمتها و وادار کردن مصرف کننده به پرداخت بهای انرژی، حال هر چه که می خواهد باشد،
نیستند و تأکید اساسی بر روی پیش بینی کوتاه مدت بار وپیش بینی کوتاه مدت قیمت به عنوان اطلاعات
اساسی برای طراحی سیستم و بهره برداری از آن به همین جهت می باشد.
و...
