|
Title
|
پیش بینی بار شبکه ی برق بر اساس مدل های ترکیبی مبتنی بر هوش مصنوعی
|
|
Type of Research
|
Thesis
|
|
Keywords
|
شبکه ی هوشمند، مدیریت انرژی، پیش بینی بار، هوش مصنوعی، یادگیری عمیق
|
|
Abstract
|
برق یکی از مهم ترین نیازهای زندگی بشر و توسعه اجتماعی، اقتصادی و فناوری کشورهاست. در دهه های اخیر، با توسعه صنعت و پیشرفت تکنولوژی، تقاضای برق به طور چشمگیری افزایش یافته است.در این تحقیق از یک رویکرد ترکیبی هوش مصنوعی برای پیش بینی کوتاه مدت بار الکتریکی استفاده می گردد. مدل ترکیبی پیشنهادی مبتنی بر مدل های یادگیری عمیق می باشد که متشکل از الگوریتم های Autoencoder (AE) و Bidirectional Long Short Term Memory (BiLSTM) بوده و AE-BiLSTM نامیده می شود. مدل ترکیبی پیشنهادی AE-BiLSTM در این تحقیق با ترکیب ساختارهای AE با BiLSTM برای بهبود دقت پیش بینی بار الکتریکی شبکه ی برق شهر تبریز ارائه شده است. AE به طور خاص بر اساس ساختاری که دارد برای پیش پردازش داده ها معرفی شده است. روند آموزش شبکه و پیش بینی مقدار بار الکتریکی نیز با استفاده از مدل BiLSTM انجام می شود. شبکه های BiLSTM به دلیل ساختار منحصر به فرد خود در آموزش داده های با ابعاد بالا و سری های زمانی عملکرد خوبی داشته اند.
|
|
Researchers
|
ramin mohammadzadeh (Student)، NAVID TAGHIZADEGAN KALANTARI (Primary Advisor)، Javad Salehi (Advisor)
|