|
مدلسازی و پیش‌بینی مصرف کوتاه‌مدت برق کشور با استفاده از شبکه عصبی بازگشتی و الگوریتم بهینه‌سازی TPE
|
مجتبی ضحاکی راحت*1   ، حسین صادقی سقدل2 |
1- دانشگاه تربیت مدرس ، mojtaba.zahaki@modares.ac.ir
2- دانشگاه تربیت مدرس |
|
|
چکیده: (2835 مشاهده) |
نقش واسطه‌ای برق برای صنایع مختلف و ارتباط آن با رفاه جامعه، باعث افزایش اهمیت آن شده‌است، به طوری که اطلاع از مقدار تقاضای این انرژی، در هدایت کشور به سمت توسعه از اهمیت به سزایی برخوردار‌است. در چند سال اخیر به دلیل توسعه مدل‌های یادگیری عمیق و افزایش دقت این گونه مدل ها، استفاده از آنها رواج پیدا- کرده‌است. در مسئله مدلسازی و پیش‌بینی مصرف برق، استفاده از متغیر های تاثیرگذار بسیار مهم بوده و باعث افزایش دقت پیش‌بینی خواهد شد. از این رو در پژوهش حاضر، از متغیر های تاثیرگذاری چون: تولید ناخالص داخلی بدون نفت، میانگین دمای کشور، روز های تعطیل و روند مصرف برق، با به کارگیری الگوریتم بهینه سازیTPE برای بهینه‌سازی مدل LSTM استفاده شده‌است. برای مقایسه نتایج، مدل دیگری طراحی شده که فاقد دو متغیر تولید ناخالص داخلی و روز های تعطیل می‌باشد و همچنین با الگوریتم TPE، بهینه شده‌است. نتایج حاصل از این تحقیق نشان می‌دهد که مدل دارای متغیرهای: تولید ناخالص داخلی بدون نفت و روزهای تعطیل نسبت به مدل فاقد این‌دو متغیر، از دقت بالاتری برخوردار است.
|
|
| واژه‌های کلیدی: پیش‌بینی، مصرف برق، شبکه عصبی، بهینه‌سازی |
|
|
متن کامل [PDF 1583 kb]
(1340 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
اقتصاد برق
دریافت: 1402/12/10 | پذیرش: 1403/9/7 | انتشار: 1403/10/10 | انتشار الکترونیک: 1403/10/10
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
