پیش‌بینی بار در بازار برق با استفاده از مدل هیبرید شبکه عصبی و الگوریتم بهبود یافته جستجوی گرانشی

نوع مقاله: پژوهشی

نویسندگان

دانشگاه سمنان

10.22075/jme.2019.4084

چکیده

با توجه به روند جدید استقلال شرکت‌های توزیع و الزام حضور آنها در بازار برق و با سمت‎گیری و تغییر ساختار بازار برق از بازار انحصاری دولتی به بازار رقابتی، و بالا بودن ضریب خطای پیش‌بینی بار مصرفی آنها در حال حاضر، یافتن روشی به منظور پیش‌بینی دقیق بار مصرفی مشترکین ضروری به نظر می‌رسد. برای مدلسازی و پیش‎بینی بار در بازار رقابتی باید خصوصیات این کالا از جمله فصلی بودن تقاضا را در نظر گرفت. مدل ایجاد شده در صورتی که بتواند با ایجاد رابطه‎ای از داده‎های قبلی، کمترین خطای پیش‎بینی را داشته باشد، موثرتر و کارآمدتر خواهد بود. در این مقاله، از روشی ترکیبی شبکه عصبی و الگوریتم بهبود یافته جستجوی گرانشی استفاده شده است. به‌طوریکه الگوریتم پیشنهادی وزن‎ها و بایاس‎ها شبکه عصبی را بهینه کرده درصدد براورد کمترین مربعات خطای پیش‎بینی می‌باشد. هم‌چنین به منظور ارائه کارایی مناسب آن، روش پیشنهادی در حل مساله پیش‎بینی بار در بازار برق در مقایسه با سایر روش‎های اخیر انجام گرفته است. بنابراین، بازار نیویورک به عنوان مورد مطالعاتی در این مقاله مورد ست و آزمایش قرار گرفته است. نتایج نشان از دقت بالا و خطای کمتر در پیش بینی می‎دهد.

کلیدواژه‌ها


عنوان مقاله [English]

Short-term Load Forecasting in Power System by Hybrid Neural Network and Improved Gravitational Search Algorithm

نویسندگان [English]

  • Oveis Abedinia
  • Nima Amjady
چکیده [English]

Due to the independence of distribution companies and their require presence in the electricity market and according to the restructuring in electricity market from the monopoly to a competitive market, finding an appropriate method for prediction of load is necessary. For the simulation and forecasting of this problem, some characteristics of this problem should be considered such as seasonal demand. If this model provides the minimum error in forecasting based on the previous data, will be effective and applicable. In this paper, a hybrid Artificial Neural Network (ANN) and Improved Gravitational Search Algorithm (IGSA) is presented for prediction of load in electricity market. Where, the weight and bias of ANN will be optimized by IGSA to provide the minimum mean square error. To demonstrate the efficiency of proposed method, this method is compared with other methods over New York power system. Obtained results demonstrate the validity of proposed method.

کلیدواژه‌ها [English]

  • Gravitational Search Algorithm
  • Load Forecasting
  • Power Market
  • Artificial Neural Network