پیش بینی بار و پیش بینی قیمت با استفاده از الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری و شبکه عصبی فازی تطبیقی

امروزه بازار برق در جهان به صورت علمی شناخته شده می باشد که رقابت در آن هر روز بیشتر از روز قبل است. از آنجا که قابلیت ذخیره سازی انرژی الکتریکی بسیار ناچیز می باشد، بنابراین پیش بینی بار مصرفی و قیمت برق به شرکت کنندگان بازار در بدست آوردن سود هرچه بیشتر کمک شایانی می کند. تاثیرپذیری الگوی بار از عوامل مختلف و غیرخطی بودن سیگنال قیمت برق، انجام پیش بینی دقیق بار و قیمت را دچار مشکل می کند؛ بنابراین استفاده از الگوریتم های هوشمند در مقایسه با روش های عددی و آماری کاربرد بیشتری در مسایل پیش بینی پیدا کرده است. از اینرو در این پایان نامه مسایل مربوط به پیش بینی بار و قیمت برق بیان شده است. همچنین پیش بینی بار الکتریکی و قیمت برق با استفاده از شبکه عصبی فازی تطبیقی (ANFIS) ترکیبی با الگوریتم آموزش و یادگیری (TLBO) صورت گرفته است و تاثیر 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 بهینه سازی هوشمند آموزش و یادگیری محول گردد. هدف از بکارگیری این رویکرد بهبود عملکرد شبکه و کاهش پیچیدگی های محاسباتی در مقایسه با روش های گرادیان نزولی و حداقل مربعات می باشد. نتایج پیاده سازی الگوریتم پیشنهادی نشان دهنده کارایی بهتر این الگوریتم در مقایسه با الگوریتم های پیشین پیش بین بار و قیمت برق است.