tsta

Home / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

پیش‌ بینی پیک بار تهران به کمک الگورتیم‌ های یادگیری ماشین ترکیبی

Authors :

مسعود ابراهیمی کاشف¹ حسین اقبالی² محمدعلی اقبالی³

1- دانشگاه ایوانکی 2- دانشگاه ایوانکی 3- دانشگاه صنعتی بیرجند

Keywords :

پیش‌بینی پیک بار،تحلیل رگرسیون،رگرسیون لاجیت و آدابوست

Abstract :

پیش‌بینی پیک بار یک فرآیند حیاتی در برنامه‌ریزی صنعت برق است و نقش بسیار مهمی در برنامه‌ریزی ظرفیت تولید برق و مدیریت سیستم‌های نیروی الکتریکی ایفا می‌کند، بنابراین، جذب علاقه‌مندی‌های بسیاری در حوزه‌ی علمی را به دنبال داشته است. بنابراین، دقت در پیش‌بینی بار الکتریکی برای برنامه‌ریزی بهینه ظرفیت تولید انرژی و مدیریت سیستم نیروی الکتریکی بسیار اهمیت دارد. این پایان‌نامه یک بررسی از روش‌ها و مدل‌های پیش‌بینی پیک بار برق را ارائه می‌دهد. بررسی نشان می‌دهد که با وجود نسبیت سادگی همه مدل‌های بررسی شده، تحلیل رگرسیون همچنان به طور گسترده استفاده می‌شود و کارآمد برای پیش‌بینی بلندمدت است. این پایان‌نامه به بررسی و بهبود پیش‌بینی پیک بار الکتریکی در شهر تهران با استفاده از رگرسیون لاجیت و آدابوست می‌پردازد. پیک بار الکتریکی، به دلیل نوسانات شدید و وقوع نامنظم، پیش‌بینی آن یکی از چالش‌های بزرگ در مدیریت و برنامه‌ریزی سیستم‌های توزیع برق است. استفاده از ترکیب رگرسیون لاجیت و آدابوست به عنوان یک روش یادگیری ماشین ترکیبی، می‌تواند دقت پیش‌بینی را افزایش داده و به مدیریت بهتر شبکه برق کمک کند. نتایج شبیه‌سازی این ادعا را ثابت می‌کند که الگوریتم پیشنهادی دارای دقت بالاتری به نسبت الگوریتم‌های دیگر می‌باشد.