پیش بینی بار کوتاه مدت با استفاده از تجزیه سری زمانی بار وشبکه عصبی

پیش بینی بارکوتاه مدت یک فرآیند پایه در بهره برداری سیستم های قدرت محسوب می شود. بسیاری از توابع بهره برداری نظیر آرایش تولید، پخش بار اقتصادی، ارزیابی ایمنی و هماهنگی آبی حرارتی به پیش ینی بار کوتاه مدت وابسته می باشند. در طی سه دهه اخیر روش های مختلفی برای پیش بینی بار کوتاه مدت ارائه شده و نرم افزارهای صنعتی متعددی نیز بر پایه این روش ها تهیه شده اند. از جمله این روش ها می توان به انواع سری های زمانی، هموارسازی نمایی، فیلتر کالمن، شبکه های عصبی و شبکه های فازی عصبی اشاره نمود. مشکلی که تمام روش های پیش بینی بار کوتاه مدت با آن مواجه می باشند، انتخاب ورودی های مناسب است. این امر وابسته به مشخصات سیستم قدرت بوده و با گذشت زمان و تغییر الگوی بار تغییر می کند. در این مقاله ابتدا سری زمانی بار از طریق یک تبدیل ریاضی مناسب (تبدیل موجک) تجزیه شده و سپس از سری های حاصل شده پارامترهای ورودی برای آموزش شبکه عصبی استخراج می شوند