R E G R E S S I O N F I T T I N G I M P R O V E M E N T U S I N G T H E N E U R A L N E T W O R K C L U S T E R I N G A L G O R I T H M F O R M O N T H L Y P E A K L O A D F O R E C A S T I N G
Author(s):
Abstract:
In an electric power system, peak load forecasting plays an important role, in terms of economic optimization and fuel management. Accurate forecasting methods can be helpful especially for developing countries where the demand is increased with dynamic and high growth rate. This paper presents a new hybrid regression model, which combines a self-organizing map (SOM) and a linear regression model for monthly peak load forecasting (PLF). Peak load data is used to test the model from the Iran electric power network from the last 14 years. Also, a principal component analysis (PCA) has been used to reduce input dimension. To evaluate the effectiveness of the model, forecasting has been performed by using a regression that uses the un-clustered data. Analysis and comparison of the results have shown the superiority and accuracy of the model.
Keywords:
Language:
Persian
Published:
Sharif, Volume:25 Issue: 49, 2009
Page:
73
magiran.com/p670547
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 990,000ريال 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.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 50 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!