ثبت نام در مجله
ورود به پنل کاربری
مهلت ارسال مقالات

آخرین مهلت ارسال مقالات برای دوره ۴ -شماره ۱۲ -آذر ماه ۱۴۰۳:

(۲۵ آذر ماه ۱۴۰۳)

 
بانک ها و نمایه ها


civilica

56454

tpbin

magiran

jref-fa

Irindexing

Untitled

 

قوانین

قانون بین المللی کپی رایت

 این نشریه تحت قانون بین المللی کپی رایت BY: Creative Commons  می‌باشد.

قوانین کمیتۀ اخلاق در انتشار

این نشریه تابع قوانین کمیتۀ اخلاق در انتشار (COPE) است و از آیین نامه اجرایی قانون پیشگیری و مقابله با تقلب در آثار علمی پیروی می نماید.

open access
دسترسی آزاد به مقالات نشریه
 
DOAJ
 
پیش‌بینی بار و پیش‌بینی قیمت با استفاده از الگوریتم بهینه‌سازی مبتنی بر آموزش و یادگیری و شبکه عصبی فازی تطبیقی
دوره 3، شماره ۸، ۱۴۰۲، صفحات 56 - 81
نویسندگان : فاطمه سادات موسوی علیزاده 1 ، سید جعفر فاضلی آبلویی* 2

1 گروه برق ، دانشکده فنی و مهندسی، واحد ساری، دانشگاه آزاد اسلامی ، ساری ، ایران

2 گروه برق ، دانشکده فنی و مهندسی، واحد نکا، دانشگاه آزاد اسلامی ، نکا ، ایران

چکیده :
امروزه بازار برق در جهان به صورت علمي شناخته شده مي‌باشد که رقابت در آن هر روز بيشتر از روز قبل است. از آنجا که قابلیت ذخیره‌سازی انرژی الکتریکی بسیار ناچیز می‌باشد، بنابراین پيش‌بيني بار مصرفی و قيمت برق به شركت كنندگان بازار در بدست آوردن سود هرچه بيشتر كمك شاياني مي‌كند. تأثیرپذیری الگوی بار از عوامل مختلف و غیرخطی بودن سیگنال قیمت برق، انجام پیش‌بینی دقیق بار و قیمت را دچار مشکل می‌کند؛ بنابراین استفاده از الگوریتم‌های هوشمند در مقایسه با روش‌های عددی و آماری کاربرد بیشتری در مسائل پیش‌بینی پیدا کرده است. از اینرو در این پایان‌نامه مسائل مربوط به پیش‌بینی بار و قیمت برق بیان‌شده است. همچنین پیش‌بینی بار الکتریکی و قیمت برق با استفاده از شبکه عصبی فازی تطبیقی (ANFIS) ترکیبی با الگوریتم آموزش و یادگیری (TLBO) صورت گرفته است و تأثیر عوامل مختلف بر روی آن بررسی و شبیه¬سازی ‌شده است. در واقع با ترکیب الگوریتمهای تکاملی با سیستم‌ عصبی فازی، تنظیم مقادیر بهینه پارامترهای شبکه عصبی فازی تطبیقی به الگوریتم بهینه‌سازی هوشمند آموزش و یادگیری محول گردد. هدف از بکارگیری این رویکرد بهبود عملکرد شبکه و کاهش پیچیدگی‌های محاسباتی در مقایسه با روش‌های گرادیان نزولی و حداقل مربعات می‌باشد. نتایج پیاده‌سازی الگوریتم پیشنهادی نشان‌دهنده کارایی بهتر این الگوریتم در مقایسه با الگوریتم‌های پیشین پیش‌بین بار و قیمت برق است.
کلمات کلیدی :
پیش‌بینی بار، پیش‌بینی قیمت، الگوریتم بهینه‌سازی مبتنی بر آموزش و یادگیری، شبکه عصبی فازی تطبیقی