آمار
| تعداد نشریات | 45 |
| تعداد شماره‌ها | 1,409 |
| تعداد مقالات | 17,265 |
| تعداد مشاهده مقاله | 55,763,914 |
| تعداد دریافت فایل اصل مقاله | 17,942,365 |
پیش‌بینی کوتاه مدت قیمت برق و تأثیر ذخیره‌ساز بر قیمت برق با بکارگیری شبکه عصبی GMDH و الگوریتم K-Means | ||
| مجله مهندسی برق دانشگاه تبریز | ||
| مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 31 شهریور 1404 | ||
| نوع مقاله: علمی-پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/tjee.2025.66879.5010 | ||
| نویسندگان | ||
| مریم کاهنی؛ سعید رضا گلدانی* ؛ حسین الیاسی | ||
| گروه آموزشی برق قدرت- دانشکده مهندسی برق و کامپیوتر- دانشگاه بیرجند- بیرجند- ایران | ||
| چکیده | ||
| با ایجاد فضای رقابتی در صنعت برق و هوشمندسازی شبکه‌ها و توسعه الگوریتم‌های هوش مصنوعی، پیش‌بینی قیمت برق در بازه‌های زمانی مختلف به یکی از مهم‌ترین موضوعات در برنامه‌ریزی و بهره‌برداری سیستم قدرت تبدیل شده است. تجدید ساختار در صنعت برق و ورود منابع تجدیدپذیر و ذخیره‌سازهای انرژی، باعث تغییرات اساسی در روش‌های قیمت‌گذاری انرژی الکتریکی گردیده است. در بازار برق عوامل متعددی مانند میزان عرضه و تقاضای انرژی، هزینه‌های تولید، انتقال و توزیع انرژی و همچنین سیاست‌های نهاد حکومتی و غیره در تعیین قیمت برق مؤثر است. با استفاده روزافزون از انرژی‌های تجدیدپذیر و ذخیره‌سازها، قیمت برق نیز تحت تأثیر این عوامل قرار می‌گیرد. در این مقاله، پیش‌بینی قیمت روی داده‌های واقعی در بازه زمانی کوتاه مدت 24 ساعته با بکارگیری شبکه عصبی GMDH و در حضور منابع انرژی تجدیدپذیر انجام شده است. همچنین از روش دسته بندی k-means جهت ارزیابی میزان اثرگذاری ذخیره‌ساز بر روی قیمت‌های بازار استفاده می‌گردد. نتایج بدست آمده در این تحقیق، دقت بالای مدل پیشنهادی را برای پیش‌بینی کوتاه مدت قیمت برق نشان می‌دهد. | ||
| کلیدواژه‌ها | ||
| پیش‌بینی کوتاه‌مدت قیمت برق؛ انرژی‌های تجدیدپذیر؛ ذخیره‌ساز؛ شبکه عصبی GMDH؛ الگوریتم یادگیری K-Means | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 3 |
||