×
نام و نام خانوادگی
بازخوانی ...
اطلاعات کتابشناختی
عنوان اصلی: A New Daily Electrical Load Forecasting Model Based on Pattern Recognition and Forecasting Abilities of Self-Organizing-Map ANN A Case Study on Iran Power Network
پدیدآورندگان : mahdi farhadi (پديدآور)
نوع : متن
جنس : مقاله
الكترونيكي
زبان : انگليسي
صاحب محتوا :

انتشارات بوم سازه (پایگاه سیویلیکا)

وضعیت نشر : اولين كنفرانس بازشناسي الگو و پردازش تصوير ايران
خلاصه : In this study, a novel intelligent approach is developed for short term load forecasting (STLF). The proposed model consists of two basic Kohonen Artificial Neural Network (ANN) modules. Thefirst module called Load SOM Model is an initial load forecaster without considering temperature effect and the second module called Temperature SOM Model that modifies initial forecasted load by applying temperature effect. The proposed model can be extended sothat be sensitive to all of the other atmospheric factors such as wind speed, moisture and cloud covering. In addition it is able to forecastnormal and abnormal days of year such as holidays, ceremonies, religious and etc, with high accuracy. Ten sub-models are consideredfor forecasting each day of week, special holidays, the days before special holidays and the days after special holidays .The proposedmodel , is tested extensively with the temperature and load curves ofIran electrical power system of 1994 to 2004 using different day types from different times of the year and promising results are obtained with approximately 1.5% of mean error for the days distributed throughout the year.This case study that is performed on load historical data of Iran power system demonstrate the accuracy of the proposed method and show that the forecasted model is simple with highly accuracy.
شناسه : oai:civilica.com/Paper-IPRIA01-IPRIA01_016.html
تاریخ ایجاد رکورد : 1393/5/11
تاریخ تغییر رکورد : 1394/8/20
قیمت شيء دیجیتال : فاقد شيء دیجیتالی


* محتوای این صفحه توسط کارشناسان این درگاه ویرایش نشده است. لطفا در صورت مشاهده ایراد در محتوا از این طریق اطلاع رسانی کنید.

دیدگاه شما

تست
ورود به درگاه کنسرسیوم
Loding



رمز عبور خود را فراموش کرده ام.
چنانچه تا کنون عضو سایت نشده اید ثبت نام کنید.
درباره کنسرسیوم
ما مجموعه‌ای از كتابخانه‌ها و سازمان‌های دارای منابع اطلاعاتی (کتاب، نشریه، نسخه‌های خطی، عکس، صدا، فیلم و... ) هستیم که با هدف تامین نیازهای پژوهشگران و شهروندان ایرانی برای دسترسی هر چه سریع‌تر به محتوای مورد نظر خود، کنسرسیوم محتوای ملی را تشکیل داده‌ایم. برای رسیدن به این هدف، قصد داریم با بسترسازی مناسب و جلب مشارکت دیگر تولید کنندگان محتوا به گرد آوری، تبدیل، سازماندهی و حفاظت اطلاعات به شکل رقومی و در سطح ملی، بپردازیم.