کنفرانس بین المللی محاسبات نرم

صفحه اصلی / پنجمین کنفرانس بین المللی محاسبات نرم

پیشبینی هوشمند مصرف گاز طبیعی در فرکانس بالا بر اساس داده های فرکانس پایین

نویسندگان :

محمدرضا اکبرزاده توتونچی¹ ابوالحسن خواجه پور² علی صالحی³ پویا پارسا⁴

1- دانشگاه فردوسی مشهد 2- دانشگاه فردوسی مشهد 3- دانشگاه فردوسی مشهد 4- دانشگاه فردوسی مشهد

کلمات کلیدی :

گاز طبیعی،سیستم فازی،الگوریتم خوشه بندی فازی،شبکه عصبی آبشاری

چکیده :

پیشبینی لحظه‌ای میزان مصرف گاز به‌عنوان یکی از پرمصرف‌ترین حامل‌های انرژی کشور، اهمیت بسزایی در مدیریت بحران، مدیریت تولید و مصرف و کاهش آلودگی‌های زیست‌محیطی دارد. این در حالی است که به سبب قدیمی بودن تجهیزات اندازه گیری، در حال حاضر ثبت داده ها به‌صورت پیوسته امکان پذیر نیست، و عمده اطلاعات موجود درباره مصرف گاز، همان گزارش های مصرف دوره‌ای گاز مشترکین است. بدیهی است به علت تغییر مقیاس پیشبینی لحظه‌ای نسبت به داده‌های دوره‌ای موجود، این فرایند با عدم قطعیت بالایی همراه است و حتی بررسی صحت پیشبینی به دلیل فقدان داده‌های واقعی لحظه‌ای امکان‌پذیر نیست. هدف این پژوهش، پیشبینی هوشمند مصرف گاز در فواصل زمانی سه‌ساعته بر اساس اطلاعات مصرف دوره‌ای آن است. رهیافت ارائه شده در این پژوهش از سه گام تشکیل شده است. پس از پردازش اولیه داده های هواشناسی و میزان مصرف گاز، مشترکین خانگی با بکارگیری الگوریتم خوشه بندی فازی به سه دسته کم‌مصرف، متعادل و پرمصرف تقسیم می شوند. در گام دوم، یک شبکه عصبی عمیق جهت پیشبینی دما در بازه های زمانی سه‌ساعته از روی اطلاعات هواشناسی به کار گرفته می شود. در نهایت یک سیستم مبتنی بر منطق فازی، مصرف سه‌ساعته گاز مشترکین خانگی را بر اساس ورودی‌های دمای پیشبینی شده، روزِ سال و ساعت شبانه‌روزی تخمین می زند. پیاده سازی روش پیشنهادی بر داده‌های شهر بیرجند نشان می‌دهد که مجموع مصرف‌ لحظه‌ای پیشبینی شده برای هر سه خوشه کم‌مصرف، متعادل و پرمصرف، میانگین مصرف دوره‌ای مشترکین آن خوشه ها را با خطای قابل قبولی دنبال می‌کند. همچنین، وجود همبستگی منفی قوی بین دمای هوا و میزان مصرف گاز خصوصاً برای مشترکین متعادل در فصول سرد، فرض تأثیرپذیری مصرف گاز از دمای هوا را تأیید می‌نماید.