پیش بینی کوتاه مدت قیمت تراکم گرهی در یک سیستم قدرت بزرگ تجدید ساختار یافته با استفاده از شبکه های عصبی مصنوعی با بهینه سازی آموزش ژنتیک

در یک بازار برق روزانه، پیش بینی قیمت و بار مهمترین سیگنال برای شرکت کنندگان در بازار می باشد. در این مقاله از شبکه های عصبی پیشرو با بهینه سازی آموزش ژنتیکی برای پیش بینی قیمت کوتاه مدت تراکم گرهی برق در نواحی مختلف یک بازار برق در مقیاس وسیع استفاده شده است. اطلاعات لازم برای پایگاه داده شبکه عصبی از حل معادلات پخش بار بهینه سیستم قدرت با در نظر گرفتن کلیه عوامل موثر، برای تغییرات بار سیستم در هر ساعت از روز در مدت یک ماه حل شده است. ساختار شبکه عصبی دارای دو سیگنال ورودی توان اکتیو و راکتیو هر شین در هر ساعت از مدل برنامه ریزی می باشد. این دو سیگنال همواره در سیستم قدرت قابل دسترس می باشند. در این مطالعه از سیستم 118 باسه IEEE برای بررسی صحت روش پیشنهادی استفاده شده است. این شبکه به 3 ناحیه تقسیم شده و برای هر ناحیه از یک شبکه عصبی با آموزش بهینه ژنتیکی استفاده شده است. نتایج حاصله بیانگر توانایی این روش برای پیش بینی قیمت در یک بازار برق بزرگ با خطای نسبتا کم و قابل قبول خصوصا در نقاط جهش قیمت دارد.