شماره پروژه : 302

عنوان پروژه : پیش بینی کوتاه مدت بار توسط شبکه عصبی

تعداد صفحات : 86

شرح مختصر پروژه: در این قسمت از سایت ویکی پاور پایان نامه ای با عنوان پیش بینی کوتاه مدت بار توسط شبکه عصبی و با روش Core Vector Machine در اختیار شما عزیزان قرار گرفته است.پیش بینی کوتاه مدت بار که اغلب در دیسپاچینگ های برق منطقه ای صورت میگیرد ، جهت بهره برداری بهینه از شبکه توزیع و مصرف کننده های  انرژی الکتریکی (بار) بسیار حائز اهمیت است.پیش بینی بار روزانه در شرکت های توزیع  به منظور ارائه به شرکت مدیریت شبکه و همچنین به منظور اتخاذ روش مناسب مدیریت بار می باشد امری جدا ناپذیر در شبکه های توزیع محسوب می گردد و نیز پیش بینی دقیق بار قیمیت تولید برق را در شبکه قدرت کاهش خواهد داد و در بحث بهره برداری و قابلیت اطمینان شبکه قدرت موثر و امری ضروری می باشد، و لذا با توجه به تاثیر پذیری الگوهای بار ازعوامل مختلفی مانند عوامل آب و هوایی، اقتصادی، اجتماعی و …؛ پیش بینی دقیق بار امر دشواری می باشد. به همین دلیل در سال های اخیر با استفاده از روش های مختلف به مسائل پیش بینی بار پرداخته اند. در این پایان نامه با استفاده از شبکه عصبی مدلی ارائه شده است برای پیش بینی کوتاه مدت بار الکتریکی مصرفی در روزهای یک سال .

انرژی به عنوان کارمایه فعالیتهای بشری از اهمیت حیاتی در زندگی بشر برخوردار است و بر این اساس کلیه کشورهای جهان در صدد دسترسی به منابع مطمئن و برنامه ریزی شده انرژی هستند. از طرفی با توجه به تجدید ناپذیر بودن منابع سوخت های فسیلی به ویژه منابع نفت و گاز چندین دهه است که موضوع جایگزین سازی این نوع انرژیها و صرفه جوئی و مصرف بهینه از انرژی بطور جدی در اقتصاد کشورهای پیشرفته مورد توجه قرار گرفته و اقدامات بسیار موثری در جهت بهینه سازی مصرف انرژی و  در نتیجه جلوگیری از اتمام سریع منابع انرژیهای تجدیدناپذیر ، به عمل آمده است برای این منظور در کشورهای مختلف ، به ویژه کشورهای صنعتی از دهه 1972 ، ارگانها و موسسات تحقیقاتی مختلفی ، اعم از دولتی و خصوصی، برای انجام تحقیقات در زمینه برنامه ریزی مصرف انرژی و صرفه جوئی و بهینه کردن آن تاسیس شده اند و در واقع انرژی
به عنوان یکی از مسائل مهم و استراتژیک در اقتصاد ملل جهان مطرح شده است .

 

فهرست مطالب :

چکیده

فصل اول

1-1 ضرورت پیش بینی بار

1-1-1-برنامه ریزی دراز مدت (5-30 سال)

1-1-2-برنامه ریزی میان مدت (تا یک سال)

1-1-3-برنامه ریزی کوتاه مدت (یک روز تا یک هفته )

1-2-پیش بینی بار مصرفی

1-2-2- پیش بینی میان مدت

1-2-3- پیش بینی کوتاه مدت

1-3- ویژگی های موثر در پیش بینی بار کوتاه مدت

1-3-1- تاثیر پارامترهای محیطی بر بار مصرفی

1-3-2  تاثیر زمان بر بار مصرفی

1-4  ویژگی های انتخاب شده در این پایان نامه

1-5-چند روش برای پیش بینی بار.

1-5-1-روش های رگرسیون.

1-5-2-روش سر ی زمانی.

1-5-3-سیستم های فازی

1-5-4-سیستم های خبره

1-5-5-شبکه های عصبی

فصل دوم

2-1 جمع آوری اطلاعات

2-1-1-دادههای بار

2-1-2   داده های هواشناسی.

2-1-3-تقویم

2-2-روشی برای اصلاح داده های نادرست بار

2-3-اصلاح اطلاعات هواشناسی

فصل سوم

مقدمه.

3-1- تعاریف..

3-1-1-تعریف ایده آل.

3-1-2-تعریف کلاسیک…

3-1-3-افزایش دقت پیشگوئی.

3-2- روش درخت تصمیم(DTM)

3-2-1-ویژگی های درخت تصمیم

3-2-2-الگوریتم یادگیری درخت تصمیم

3-2-3-ایده اصلی   ID3.

3-2-4-بایاس درخت تصمیم

3-2-5-الگوریتمID3.

3-2-6-نحوه ساختن درخت

3-2-4-روش عملی انتخاب ویژگی به روش درخت تصمیم گیری(tree decision)

3-3-  استفاده از نرم افزار Clementine.

فصل چهارم

4-1-تاریخچه مختصری از شبکه های عصبی.

4-2- شبکه‌های عصبی مصنوعی.

4-3-ساختار شبکه های عصبی.

4-3-1-نرون.

4-3-2-مدل تک ورودی..

4-3-3-توابع محرک..

4-3-4-مدل چند ورودی

4-6-تقسیم بندی شبکه‌های عصبی

4-6-1- وزن ثابت..

4-6-2- آموزش بدون سرپرست

4-6-3-آموزش با سرپرست

4. آموزش تقویتی

4-6-کاربرد شبکه‌های عصبی

4-7-معایب شبکه‌های عصبی

4-8-استفاده از شبکه های عصبی  در پیش بینی بار

فصل پنجم

5-1-مقدمه

5-2-تاریخچه

5-3-مسئله جداسازی خطی: Linear Discrimination.

5-3-1-نحوه تشکیل ابرسطح جداکننده توسط ماشین بردار پشتیبان.

5-3-2-محاسبه پهنای حاشیه.

5-3-4-صورت اولیه مسأله.

5-3-5-حل مسأله اصلی.

5-4-داده هائی که بصورت خطی جدا پذیر نیستند

5-4-1-روش توابع کرنل.

5-4-1-1-تعریف یک تابع کرنل.

5-4-1-2-خواص تابع کرنل.

5-4-1-3-پرکاربردترین توابع کرنل.

5-4-1-4- انجام محاسبات بهینهسازی و توابع کرنل.

5-5-کلاسهبندی چند کلاسه با SVM..

5-5-1-یک در مقابل همه (OAA: One-Against-All)

5-5-2-یک در مقابل یک (OAO: One-Against- One)

5-5-3-گراف غیر سیکل جهت دار(DAG: Direct-Acyclic-Graph)

5-5-4-نیم در مقابل نیم(HAH: Half-Against-Half)

5-6-نظریه CVM..

5-6-1-مسئله حداقل گوی دربرگیرنده

5-6-2-بدست آوردن MEB برای یک مجموعه داده

5-6-3-تبدیل مسئله بهینهسازی  SVMبه یک مسئله MEB.

5-6-4-الگوریتم CVM..

5-6-4-1- انتخاب شرایط اولیه مناسب..

5-6-4-2-محاسبه فاصله.

5-6-4-3-اضافه کردن دورترین نقطه به مجموعه هسته.

5-6-4-4-زمان و حافظه مورد نیاز در روش CVM..

خلاصه فصل.

نتایج وپیشنهادات..

پیوست1.

منابع.

——————-—————————–———-———–—-— wikipower.ir ——————-————————–———-—————–—-

  دانلود مستقیم  :    پیش بینی بار کوتاه مدت به روش Core Vector Machine

  رمز عبور فایل    :   فاقد رمز

  حجم فایل        :  3.30 MB

  منبع فایل         :  ویکی پاور   |   www.wikipower.ir

——————-—————————–——-————–—-— wikipower.ir ——————-————————–———-—————–—-

خرید فایل word

شماره پایان نامه : 302

قیمت فایل ورد : ۷۰۰۰ تومان

آموزش کامل نحوه خرید

فایل pdf پروژه را از قسمت فوق به صورت رایگان دانلود و مشاهده کنید. برای دریافت فایل word پروژه، روی تصویر زیر کلیک نمایید. لینک دانلود فایل word بعد از پرداخت مبلغ به صورت آنی برای شما فعال می شود.(پرداخت با کلیه بانک های عضو شتاب)