ایمان بهادرنژاد؛ مجید معظمی؛ غضنفر شاهقلیان؛ بهادر فانی؛ مهناز هاشمی
چکیده
پیش‌بینی بار مسکونی نقش مهمی در مدیریت و برنامه‌ریزی در شبکه‌های هوشمند مدرن دارد. در برنامه‌ریزی برای متعادل نگه داشتن تقاضا و تولید توان، لازم است پیش‌بینی دقیقی از بار مناطق مسکونی انجام شود. در ...
بیشتر
پیش‌بینی بار مسکونی نقش مهمی در مدیریت و برنامه‌ریزی در شبکه‌های هوشمند مدرن دارد. در برنامه‌ریزی برای متعادل نگه داشتن تقاضا و تولید توان، لازم است پیش‌بینی دقیقی از بار مناطق مسکونی انجام شود. در این مقاله، یک روش پیش‌بینی میان‌مدت بار مسکونی مبتنی بر انتخاب ویژگی برای حل مسئلۀ رگرسیون خطی ارائه شده است؛ به این ترتیب که برای انتخاب ویژگی بهمنظور انجام رگرسیون، از روش تحلیل اجزای مجاور استفاده میشود. بنابراین، یک مسئلۀ بهینهسازی طرح شده است؛ مسئلۀ مذکور با استفاده از الگوریتم حافظۀ محدود BFGS (LBFGS) حل میشود. مجموعه دادههای AMPds2 برای اجرای روش پیشنهادی استفاده شد و نتایج بهدستآمده با نتایج شش روش پیش‌بینی دیگر مقایسه شدند. مقایسه ازطریق شاخصهای میانگین مربعات خطا، جذر میانگین مربعات خطا و میانگین مطلق درصد خطا انجام شد و نتایج شبیهسازی مؤثربودن روش پیشنهادی را برای پیش‌بینی دقیق بار مسکونی تأیید کردند.
