پیش-بینی-کوتاه-مدت-بار-استان-مازندران-با-استفاده-از-سیستم-های-خبره
پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره
فرمت فایل دانلودی: .docx
فرمت فایل اصلی: doc
تعداد صفحات: 97

پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره
نوع فایل: word (قابل ویرایش)
تعداد صفحات : 97 صفحه

چکیده:
پیش بینی بار کوتاه مدت، به صورت پیش بینی بار یک ساعت تا چند روز آینده تاثیر به سزایی بر امر بهره برداری سیستم های قدرت دارد. زیرا بسیاری از تدابیر مدیریت انرژی از قبیل تنظیم برنامه مقرون به صرفه جهت استفاده از نیروگاه های موجود، برنامه ریزی خرید سوخت مورد نیاز نیروگاه ها، ورود و خروج واحدها، توسعه خطوط انتقال و ترانس شبکه فوق توزیع و همچنین میزان خاموشی ها در صورت کمبود، بر اساس این پیش بینی انجام می شود.
در این پروژه انواع مدلهای پیش بینی از جمله مدل سری زمانی، رگرسیون، مصرف نهائی و شبکه عصبی بررسی شده است. با توجه به اینکه پیش بینی بار متداول در شرکت توزیع مازندران با استفاده از روش های سنتی بوده است و از آنجایی که این روش قادر به پیش بینی دقیق بار روزهای آینده و روزهای خاص نبوده است، برای دستیابی به مدل مطلوب به بررسی روش فازی پرداخته شده است. در این راستا ابتدا به تشریح منطق فازی و روش پیاده سازی برنامه در محیط مطلب اشاره نموده و سپس با بهره گیری از اطلاعات سالهای گذشته و نمودار مصرف و لحاظ نمودن تاثیر عوامل محیطی، بار کوتاه مدت استان مازندران را پیش بینی شده است. استفاده از روش منطق فازی منجر به افزایش دقت و سرعت پیش بینی، رفع مشکل پیش بینی بار روزهای خاص، کاهش حجم بانک اطلاعاتی توام با افزایش قابلیت تاثیر عوامل مختلف گردیده است.



فهرست مطالب
عنوان صفحه

فصل اول: مقدمه
۱-۱) اهمیت پیش بینی بار سیستم های قدرت. .۵
۱-۱-۱) بررسی اهمیت پیش بینی باراز لحاظ فنی.۵
۱-۱-۲) بررسی اهمیت پیش بینی باراز لحاظ اقتصادی..۶
۱-۲) راهکارها.۸
۱-۳) پیش بینی بار ازدیدگاه دوره های زمانی..۹
۱-۳-۱) برنامه ریزی دراز مدت..۹
۱-۳-۲) برنامه ریزی میان مدت..۱۰
۱-۳-۳) برنامه ریزی کوتاه مدت..۱۰
۱-۳-۴) برنامه ریزی لحظه ای / چند دقیقه تا چند ساعت۱۰
۱-۴) عوامل موثر در پیش بینی بار الکتریکی۱۱
۱-۴-۱) عوامل اقلیمی.۱۲
۱-۴-۲) عوامل اقتصادی۱۲
۱-۴-۳) تاثیر زمان بر بار مصرفی.۱۲
– جمع بندی و نتیجه گیری. .۱۲

فصل دوم: روش های مدل سازی
۲-۱) پیش بینی۱۶
عنوان صفحه

۲-۲) دقت پیش بینی ۱۶
۲-۳) معیار سنجش خطا در پیش بینی.. ۱۷
۲-۴) روشهای پیش بینی۱۷
۲-۴-۱) روش سری زمانی۱۸
۲-۴-۲) روش رگرسیون. ۲۶
۲-۴-۳) پیش بینی باربا استفاده ازآمارهای مستقل۲۷
۲-۴-۴)روش مصرف نهایی 28

۲-۴-۵) روش کاربری ارضی..۲۹
۲-۴-۶) روش عصبی۳۰
۲-۵) پیش بینی بارکوتاه مدت استان مازندران با استفاده از روش رگرسیون۳۸
۲-۵-۱) برازش مدل رگرسیون در محیط SAS ..38
۲-۵-۲) تحلیل نتایج حاصل ازمدل رگرسیون۴۱
– جمع بندی و نتیجه گیری. 44


فصل سوم: مدل سازی به روش فازی
۳-۱) ضرورت استفاده از سیستم خبره فازی جهت پیش بینی بار. ۴۷
۳-۲) توابع عضویت ۴۹
۳-۳) مراحل طراحی یک سیستم فازی. 52
عنوان صفحه



۳-۴) کاربرد نرم افزار MATLAB ..55
۳-۴-۱) ویرایشگر توابع عضویت (The Membership function editor).. 59
۳-۴-۲) ویرایشگر قواعد (The Rule editor)..63
۳-۴-۳) نمایشگر قواعد( (The Rule viewer64
۳-۴-۴) نمایشگر سطوح(The surface viewer)..65

فصل چهارم : طراحی مدل فازی جهت پیش بینی بار کوتاه مدت استان مازندران
۴-۱) طراحی مدل فازی جهت پیش بینی بار کوتاه مدت..۶۸
۴-۱-۱) مشخص کردن ورودی ها، خروجی ها و روش مورد استفاده برای غیر فازی کردن.۶۸
۴-۱-۲) تعیین مجموعه های فازی و تابع عضویت برای ورودی ها و خروجی ها..۷۰
۴-۱-۳) شاخت قواعد با شناخت از مجموعه های فازی...۷۶
۴-۱-۴) معتبرسازی و بازنگری قواعد۸۱

فصل پنجم: نتیجه گیری و پیشنهادات
نتیجه گیری.۸۸
پیشنهادات.۸۹
مراجع...

دانلود فایل
پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.