پیش بینی قیمت انرژی الکتریکی در روز پیش با استفاده از یک الگوریتم هوشمند مبتنی بر استخراج ویژگی

نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
تجدید ساختار در سیستم های قدرت سبب شده است که پیش بینی قیمت انرژی الکتریکی یکی از چالش های مهم در پیش روی شرکت کنندگان بازار برق باشد. پیش بینی دقیق قیمت انرژی الکتریکی می تواند به تولیدکنندگان و مصرف کنندگان کمک نماید تا تصمیم گیری بهتری به منظور افزایش سود خود داشته باشند. در این مقاله با استفاده از اطلاعات مربوط به قیمت و میزان مصرف انرژی در روزهای گذشته، قیمت انرژی الکتریکی برای 24 ساعت آینده پیش بینی می شود. الگوریتم هوشمند پیشنهادی از طریق سه مرحله مهم تحقق می یابد: 1- مرحله پیش پردازش، 2- مرحله انتخاب ویژگی و 3- مرحله پیش بینی. در ابتدا، سیگنال های قیمت مربوط به روزهای گذشته با استفاده از تبدیل موجک تجربی به مودهای مختلفی تجزیه می گردد. سپس در مرحله دوم، روش انتخاب ویژگی مبتنی بر اطلاعات متقابل به منظور بهبود عملکرد ماشین یادگیری بر روی داده های ورودی اعمال می گردد. در مرحله سوم، به منظور پیش بینی قیمت انرژی در ساعات روز پیشرو، رگرسیون بردار پشتیبان با استفاده از ویژگی های برتر انتخاب شده، آموزش داده می شود. عملکرد الگوریتم ارائه شده با استفاده از داده های واقعی مربوط به دو بازار برق (Pennsylvania New-Jersey Maryland (PJM و (Operador del Mercado Ibérico de Energía-Polo Español (OMEL مورد ارزیابی قرار می گیرد.
زبان:
فارسی
صفحات:
1563 تا 1574
لینک کوتاه:
magiran.com/p1827739 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!