کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

طراحی و پیاده سازی یک سامانه پیشبینی کوتاه مدت بار بر اساس مدل ترکیبی مبتنی بر شبکه‌های عصبی عمیق و الگوریتم ژنتیک

نویسندگان :

کیهان محمدی¹ رضا ابراهیمی آتانی² امیرحسین هادی پور³

1- دانشگاه گیلان 2- 'دانشگاه گیلان 3- دانشگاه گیلان

کلمات کلیدی :

پیشبینی کوتاهمدت بار،شبکه های عصبی عمیق،الگوریتم ژنتیک،میکروسرویس،شبکه هوشمند انرژی

چکیده :

با توجه به رشد روزافزون مصرف انرژی الکتریکی و پیچیدگی فاکتورهای مؤثر بر تقاضا، دقت در پیشبینی بار نقش کلیدی در بهرهبرداری بهینه از شبکههای قدرت دارد. عدم پیش بینی درست میزان بار مورد نیاز منجر به عدم تعادل در مصرف شده و عموما بعلت محدودیت های تولید انرژی الکتریکی باعث خاموشی خواهد شد. در این مقاله طراحی و پیاده سازی یک سامانه نرم افزاری پیشبینی کوتاهمدت بار الکتریکی بر اساس مدل ترکیبی مبتنی بر شبکههای عصبی عمیق )DNN )و الگوریتم ژنتیک )GA )ارایه شده است. در مدل پیشنهادی، بر اساس دادههای بار مصرفی شهر رشت در بازهی زمانی سهساله به همراه اطالعات هواشناسی شامل دما و رطوبت و سایر پارامتر های تاثیر گذار بهعنوان ورودی به شبکهی عصبی داده شده است. سپس به منظور افزایش دقت و بهینهسازی وزنها، از الگوریتم ژنتیک برای تعیین پارامترهای شبکه استفاده گردید. نتایج حاصل نشان میدهد که مدل پیشنهادی بر اساس سنجه میانگین خطای مطلق )MAPE )به حداقل 2 درصد و میانگین خطای پیش بینی %5.2 می رسد. بر اساس مقایسه نتایج مدل پیشنهادی عملکرد بهتری نسبت به روشهای کالسیک از جمله مدلهای آماری و رگرسیونی دارد. در نهایت، سیستم طراحیشده با پیادهسازی در قالب یک نرمافزار تحتوب مبتنی بر میکروسرویس، قابلیت پیشبینی بار روزانه با بهروزرسانی خودکار دادههای ورودی را فراهم میکند