پالایش داده های آموزشی شبکه عصبی و بررسی تاثیر آن در کاهش خطای پیش بینی کوتاه مدت بار سیستمهای قدرت

بروز شرایط غیرعادی در سیستم قدرت مانند اضافه بار خطوط، بارزدایی، فروپاشی شبکه، و دیگر شرایط اضطراری و همچنین عواملی مانند عدم دقت اپراتورها و وجود خطا در سیستم ثبت اطلاعات می تواند باعث شود که برخی از پروفایلهای بار ثبت شده مطابق الگوی نرمال بار نباشند. پالایش این گونه پروفایلها از مجموعه داده های آموزشی شبکه های عصبی که برای پیش بینی کوتاه مدت بار در سیستمهای قدرت به کار می رود، می تواند منجر به کاهش خطا شود و تاثیر قابل توجهی در کاهش هزینه ها داشته باشد. در این مقاله، برای پیش بینی کوتاه مدت بار در سیستم قدرت استان اصفهان، یک سیستم پیش بینی براساس شبکه های عصبی پیشخور طراحی و برای آموزش آن از داده های پالایش شده به روش های تجربه خبره، مقایسه آماری و نیز الگوریتم جدیدی مبتنی بر تحلیل مؤلفه اصلی استفاده شده است. مقایسه میزان بار پیش بینی شده با بار واقعی این سیستم قدرت، تاثیر قابل ملاحظه پالایش داده های آموزشی در کاهش خطای پیش بینی را نشان می دهد. همچنین، بررسی و مقایسه روش پیشنهادی با دیگر روش های ذکر شده مبین برتری آن از نظر سرعت اجرا و نیز سهولت به کارگیری در شناسایی و پالایش داده های غیرعادی و در نتیجه پیش بینی بار با دقت مناسب است.