فرمت فایل:PDF
تعداد صفحه:105
پایان نامه براي دریافت درجه کارشناسی ارشد “M.SC”
مهندسي برق - قدرت
فهرست مطالب :
چكيده 1
مقدمه 2
فصل اول : كليات 3
1-1 ) هدف 4
2-1 ) فاكتورهاي تاثير گذار بر قيمت 6
3-1 ) فرار بودن قيمت 7
4-1 ) انواع پيش بيني قيمت 8
5-1 ) انوع كاربران پيش بيني قيمت 9
6-1 ) روشهاي سنتي براي حل مساله پيش بيني كوتاه مدت قيمت 11
1-6-1 ) مدل سري هاي زماني 11
2-6-1 ) مدل رگرسيون 14
3-6-1 ) سيستم هاي هوشمند 14
7-1 ) ساختار پايان نامه 15
فصل دوم : مقدمه اي بر شبكه عصبي و الگوريتم ژنتيك 16
1-2 ) شبكه عصبي 17
2-2 ) ساختار شبكه عصبي مصنوعي 19
3-2 ) شبكه پرسپترون چند لايه 23
4-2 ) فرايند يارگيري 24
1-4-2 ) الگوريتم پس انتشار 26
2-4-2 ) الگوريتم پس انتشار ارتجاعي 32
5-2 ) كاربرد شبكه عصبي مصنوعي در سيستم هاي قدرت 33
6-2 ) الگوريتم ژنتيك 35
7-2 ) ساختار الگوريتم ژنتيك 37
1-7-2 ) افراد يا كروموزوم ها 34
2-7-2 ) جمعيت 37
3-7-2 ) كد گذاري كروموزوم ها 38
4-7-2 ) تعيين جمعت اوليه 39
5-7-2 ) تابع هدف 39
6-7-2 ) انتخاب 40
7-7-2 ) تقاطع 42
8-7-2 ) جهش 44
9-7-2 ) اعمال قيود در بهينه سازي 44
فصل سوم : طراحي شبكه عصبي بهينه شده توسط الگوريتم ژنتيك 46
الف) شبكه بدون اجراي الگوريتم ژنتيك 47
1-3 ) مقدمه 47
2-3 ) بازار برق نورديك 48
3-3 ) طراحي شبكه عصبي 52
4-3 ) درصد خطاي مطلق 57
5-3 ) حد بالاي قيمت 59
6-3 ) تعداد نرونهاي لايه پنهان 61
7-3 ) رابطه بار با قيمت 62
8-3 ) اصلاح داده ها جهت آموزش 66
ب) بهينه سازي شبكه عصبي مصنوعي توسط الگوريتم ژنتيك 70
9-3 ) تعيين نرونهاي لايه پنهان با استفاده از الگوريتم ژنتيك 70
10-3 )شبيه سازي و ابزار آن 74
فصل چهارم:مقايسه روش رگرسيوني با شبكه عصبي بهينه شده با الگوريتم ژنتيك 76
1-4 )مقدمه 77
2-4 ) تحليل رگرسيوني 77
فصل پنجم : نتيجه گيري و پيشنهادات 80
نتيجه گيري 81
پيشنهادات 82
84 پيوست 1
86 پيوست 2
مراجع فارسي 87
مراجع انگليسي 88
سايت هاي اطلاع رساني 89
چكيده انگليسي 90
چکیده :
امروزه بازار برق در جهان به صورت علمي شناخته شده مي باشد و رقابت در آن هر روز بيشتر از قبل
مي شود. در اين ميان پيش بيني قيمت و ابزار آن به شركت كنندگان بازار در بدست آوردن سود هرچه
بيشتر كمك شاياني مي كند. هدف اين پايان نامه گسترش شبكه عصبي و بهينه سازي آن توسط الگوريتم
ژنتيك براي پيش بيني قيمت بازار برق است تا بر دقت هر چه بيشتر اين مساله بيافزايد. از آنجا كه در
مدلهاي سنتي و همچنين مدل شبكه هاي عصبي همواره از روشهاي احتمالاتي جهت افزايش دقت پيش
بيني استفاده مي شود در اين مدل سعي شده تا با ارائه روشي جديد از اين موارد صرف نظر كرد تا وقت
كمتري براي پيش بيني گرفته شود. يكي از مضوعاتي كه همواره دقت پيش بيني را تحت تاثير قرار مي
دهد وجود موارد بحراني و ناگهاني در سيستم است كه در اين پايان نامه با استفاده از روشهاي كارآمد اين
مسائل را كنترل خواهيم كرد. در مدل پيشنهاد شده از اطلاعات بازار برق نورديك استفاده شده است اما
بديهي است كه مدل مزبور براي هر بازار ديگري قابل استفاده مي باشد. در پايان براي نشان دادن دقت
پيش بيني مدل پيشنهادي، مقايسه اي بين آن و يكي از روشهاي سنتي انجام شده است.
نگراني اصلي هر صنعت الكتريكي توانايي توليد قابل اطمينان و خدمت رساني بدون وقفه به مصرف
كنندگان خود است. برخلاف ديگر كالاها، انرژي الكتريكي به دليل ماهيت طبيعي خود، به محض توليد
بايد مصرف شود كه در غير اين صورت بابت توليد،توليد كننده پولي دريافت نمي كند. بنابراين ايجاد طرح
منابع مؤثر و مطمئن امري ضروري است. عملكردهايي مانند تعيين قيمت سوخت، برنامه ريزي ورود و
خروج واحدهاي توليدي 1 ، همانند برنامه ريزي تعميرات، بايد تا حد امكان جهت كم كردن هزينه عملكرد
سيستم، انجام شود.
چالش ها هنگام تجديد ساختار صنعت برق بسيار بااهميت تر مي شود. انتظار مي رود كه با تجديد
سازمان يافتن صنعت برق راندمان بالا رود و رقابت جهت سوددهي به مصرف كننده افزايش يابد. در
گذشته اغلب توليدكنندگان انرژي مالك منابع توليد، انتقال و توزيع بودند. صنايع مجبور بودند با وجود
راندمان پايين پول انرژي را بدهند كه اين موضوع موجب توليد كم بازده، سياست قيمت گذاري نامعقول و
فراواني نيروي انساني مي شد. با ايجاد بازار آزاد انرژي، ديگر شركتهاي توليد كننده و توزيع برق قادر به
انحصار قيمتها و وادار كردن مصرف كننده به پرداخت بهاي انرژي، حال هر چه كه مي خواهد باشد،
نيستند و تأكيد اساسي بر روي پيش بيني كوتاه مدت بار وپيش بيني كوتاه مدت قيمت به عنوان اطلاعات
اساسي براي طراحي سيستم و بهره برداري از آن به همين جهت مي باشد.
و...
برچسب ها:
پیش بینی قیمت بازار برق با استفاده از شبكه های عصبی