پایان نامه پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره

word
100
5 MB
31374
1393
کارشناسی ارشد
قیمت: ۱۳,۰۰۰ تومان
دانلود فایل
  • خلاصه
  • فهرست و منابع
  • خلاصه پایان نامه پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره

     پایان نامه

    مقطع کارشناسی ارشد

    چکیده:

    پیش بینی بار کوتاه مدت، به صورت پیش بینی بار یک ساعت تا چند روز آینده تاثیر به سزایی بر امر بهره برداری سیستم های قدرت دارد. زیرا بسیاری از تدابیر مدیریت انرژی از قبیل تنظیم برنامه مقرون به صرفه  جهت استفاده از نیروگاه های موجود، برنامه ریزی خرید سوخت مورد نیاز نیروگاه ها، ورود و خروج واحدها، توسعه خطوط انتقال و ترانس شبکه فوق توزیع و همچنین میزان خاموشی ها در صورت کمبود، بر اساس این پیش بینی انجام می شود.

    در این پروژه انواع مدلهای پیش بینی از جمله مدل سری زمانی، رگرسیون، مصرف نهائی و شبکه عصبی بررسی شده است. با توجه به اینکه پیش بینی بار متداول در شرکت توزیع مازندران با استفاده از روش های سنتی بوده است و از آنجایی که این روش قادر به پیش بینی دقیق بار روزهای آینده و روزهای خاص نبوده است، برای دستیابی به مدل مطلوب به بررسی روش فازی پرداخته شده است. در این راستا ابتدا به تشریح منطق فازی و روش پیاده سازی برنامه در محیط مطلب اشاره نموده و سپس با بهره گیری از اطلاعات سالهای گذشته و نمودار مصرف و لحاظ نمودن تاثیر عوامل محیطی، بار کوتاه مدت استان مازندران را پیش بینی شده است. استفاده از روش منطق فازی منجر به افزایش دقت و سرعت پیش بینی، رفع مشکل پیش بینی بار روزهای خاص، کاهش حجم بانک اطلاعاتی توام با افزایش قابلیت تاثیر عوامل مختلف گردیده است.

    اهمیت پیش بینی بار در سیستم های قدرت

    صنعت برق از صنایع زیر بنائی یک کشور و رکنی بسیار مهم در رشد و پیشرفت جوامع امروزی محسوب می شود. با توجه به اینکه از یک طرف پروژه های صنعت برق نیاز به سرمایه گذاری کلان و زمان های طولانی دارد واز طرف دیگر با تکنولوژی موجود هنوز نمی توان ذخیره این انرژی را در ابعاد بزرگ امکان پذیر نمود. بنابراین برنامه ریزی تولید باید به گونه ای صورت گیرد که پاسخگوی تقاضای انرژی الکتریکی باشد. بدین جهت پیش بینی بار به عنوان عاملی مهم در طرح توسعه و بهره برداری از سیستم های قدرت تلقی می شود و در واقع وسیله ای است که به کمک آن می توان در جهت بهبود تصمیم گیری اقدام نمود. برآورد روند تخصیص منابع برای توسعه شبکه برق رسانی الزامی است.

    در برنامه ریزی توسعه آینده یک سیستم قدرت برآورد بار از اهمیت زیادی برخوردار است و اساس و مبنای مطالعات برنامه ریزی را تشکیل می دهد میزان خطاهای پیش بینی بار دارای اهمیت خاص است.

    مشکلات تصمیم گیری در این مورد موقعی بیشتر می شود که با بودجه محدود و هدف حداقل کردن هزینه از یک طرف و فشار متخصصین ومهندسین بخش قدرت برای خرید تجهیزات پیشرفته وگران قیمت از طرف دیگر و نیز گسترش بی رویه در استفاده از انرژی الکتریکی مواجه شود. اگر میزان بار پیش بینی شده کمتر از بار واقعی باشد ضریب اطمینان و در نتیجه کیفیت خدمات کاهش می یابد واین امر ممکن است حتی به خاموش های اجباری بیانجامد. خود این مساله تا حدی کار مسئولین تجزیه وتحلیل قابلیت اطمینان سیستم را مشکل می سازد واز طرف دیگر اگر بار آینده پیش از مقدار مورد نیاز پیش بینی گردد سرمایه گذاری زیادی هدر شده وبه نیاز مالی منجر می گردد.

    عدم امکان ذخیره سازی انرژی الکتریکی از یک طرف وهمچنین صرف هزینه های هنگفت اقتصادی جهت ایجاد نیروگاه های جدید از طرف دیگر سیاست های کلی تولید انرژی الکتریکی را به سمت وسوئی جدید در ارتباط با مدیریت انرژی الکتریکی سوق داده است. واقعیت اینست که مصرف انرژی الکتریکی ثابت نبوده و همواره بصورت تابعی غیر خطی از پارامترهای مختلف زمانی،‌محیطی، اقتصادی و در نوسان می باشد. تغییرات مصرف بار الکتریکی شرکت های تولید کننده برق را موظف کرده است در زمانبندیهای مختلف اطلاعات مورد نیاز را جهت مدیریت بهتر انرژی در سیستمهای قدرت پیش بینی کنند [9] و [13].

    افزایش قابلیت اطمینان وکارائی در صنعت برق، کاهش هزینه ها وهزینه معاملات در صنعت برق، تامین
    گزینه های بیشتری برای مصرف کنندگان و... به عنوان انگیزه های اقتصادی، اجتماعی، سیاسی مدیریت صنعت برق را به ناچار دچار تحول و دگرگونی کرد که ازآن به عنوان تجدید ساختار صنعت برق نامبرده
    می شود. در محیط سنتی، سیستمهای تولید، انتقال و توزیع انرژی الکتریکی به صورت انحصاری تحت کنترل دولت ویا یک نهاد انحصاری است که وظیفه نظارت بر بازار انحصاری و حتی قیمتهای انحصاری را نیز دارا می باشد. در سیستمهای قدرت تجدید ساختار نشده، مصرف کننده ها شرکت های توزیع منحصر به فرد بودند که انرژی را به صورت عمده و بر حسب قواعد خاص از تولید کننده های انحصاری  دریافت می کردند. این مصرف کننده ها فقط تحت قیمت های از پیش تعیین شده توسط اپراتورسیستم انرژی خود را دریافت می کردند تولید کنندگان نیز فقط تحت قیمت هایی که توسط اپراتور سیستم وتحت قرار دادها وتعرفه کمی سنتی مشخص می شد انرژی مورد نیاز شبکه قدرت را تولید می کردند. در این نوع اقتصاد تلفات شبکه بسیار زیاد وجود از اینرو هزینه های زیادی تلف می شد.

    با شروع تجدید ساختار صنعت برق و ورود بازارهای رقابتی انرژی الکتریکی قسمت های تولید، انتقال و توزیع اکثرا به قسمت های خصوصی واگذار شدند.

    هر چند که در سطح انتقال این واگذاری به ندرت انجام گرفته است مصرف کنندگان در این نوع ساختار به سیستم انتقال دسترسی مستقیمی دارند و می توانند تولید کننده خود را نیز انتخاب کنند. بازارها از انحصار دولت خارج شده اند و بطور مستقل و همچنین هماهنگ با اپراتور مستقل بازار فعالیت می کنند.

    در بخش توزیع نیز با فراهم کردن زمینه برای مشارکت بخش خصوصی و احداث نیروگاه توسط سرمایه گذاران داخلی و خارجی و همچنین واگذاری ظرفیت های نصب شده موجود و فراهم آوردن زمینه رقابت با افزایش تولید کنندگان سعی در جایگزین فضای رقابتی بجای شرایط انحصار گردیده که در بسیاری از کشورها این امر موفقیت آمیز بوده است.

    بخش انتقال با توجه به ماهیتی که دارد و این واقعیت که نمی توان دو یا چند شبکه موازی در کنار هم تاسیس کرد تا برای انتقال برق با هم رقابت نمایند تقریبا هنوز به شکل انحصاری اداره شده و تحت عنوان شبکه ملی باقی مانده است.

    در بخش توزیع نیز کلیه فعالیت های از نقطه دریافت برق از شبکه انتقال تا تحویل به مصرف کننده نهایی انحصاری است، ابتدا بخش خطوط از بخش مشترکین  تفکیک شده پس این بخش خطوط از بخش مشترکین تفکیک شده، پس این بخش که مشابه به بخش انتقال است یا در تملک دولت باقی مانده ویا در برخی کشورها با رویکردهای اجرائی متفاوت به بخش خصوصی واگذار شده اند در بخش خدمات مشترکین نیز کلیه امور از درخواست و وصول مطالبات و... توسط شرکت های خرده فروش انجام می گیرد. از آنجایی که این بخش از شرایطی متفاوت با بخشهای انتقال و توزیع برخوردار می باشد فعالیت های این بخش از فعالیت انحصاری برخوردار نبوده و بنابراین شرکت های خرده فروش همزمان می توانند رضایت مشتری با هم رقابت نمایند که به بهبود کیفیت و کاهش هزینه های منتهی خواهند شد. لذا واگذاری این امور به بخش خصوصی و ایجاد زمینه مناسب برای رقابتی کردن این بخش نتایج قابل توجهی به همراه داشته است.

     در اقتصاد برق، شرکت های تولید کننده برق موظفند، مصرف کننده های خود را قابلیت اطمینان زیاد، با کیفیتی بالا و قیمت مناسب با توجه به محدودیت های از جمله حفظ محیط زیست، قرار داد با دیگر شرکا در سیستم های به هم پیوسته وبا در نظر گرفتن قیودی نظیر توان و نوع نیروگاه های موجود میزان ذخیره سوخت مورد نیاز  نیروگاه های حرارتی، میزان آب موجود در مخزن ها برای استفاده نیروگاه های آبی، و غیره تغذیه نماید.

    برای نیل به این اهداف باید از طرفی، تجهیزات مورد نظر نیروگاه ها و شبکه های انتقال و توزیع، به نحو بهینه مورد استفاده و بهره برداری قرار گیرند ( حداقل سرمایه گذاری دراز مدت ) و از طرفی دیگر، انرژی های اولیه موجود برای تولید برق (انواع سوخت ها و آب و.... ) به طرز بهینه، مورد مصرف واقع شوند ]12[.

     

    1-1-1) بررسی اهمیت پیش بینی بارازلحاظ فنی

    ضرورت پیش بینی کوتاه مدت باراز لحاظ فنی را می توان به صورت زیر خلاصه نمود:

    1- تنظیم برنامه جهت استفاده از نیروگاه های موجود، بدین صورت که حتی الامکان از نیروگاه ها بخار بعنوان بار پایه واز نیروگاه های آبی جهت کنترل فرکانس واز نیروگاه های گازی جهت رفع کمبود تولید در ساعات پیک استفاده نمود.

    2- تهیه برنامه جهت ذخیره چرخان وغیر چرخان شبکه ومیزان خاموشی ها در صورت کمبود

    3- تهیه برنامه خروج از واحدها خطوط انتقال ترانسفورماتورهای شبکه توزیع

    4- رعایت میزان انرژی تعیین شده واحد های آبی که در این خصوص با توجه به متفاوت بودن میزان بار در ساعات مختلف روز می توان با آگاهی از میزان ذخیره آب در پشت سدها در ماه های مختلف از این نیروگاه ها حداکثر راندمان را با کمترین هزینه بدست آورد.

     

    1-1-2)  بررسی اهمیت پیش بینی بارازلحاظ اقتصادی[8][12]

    یکی از وظایف آتی شرکتهای توزیع پس از راه اندازی بازار خرده فروشی خرید انرژی الکتریکی مورد نیاز محدوده خود از بازار عمده فروشی یا برق منطقه ای است. انرژی الکتریکی مورد نیاز هر شرکت باید از بازار برق خریداری شود و خریدار بابت خرید برق باید هزینه های مربوطه که عبارتند از قدرت درخواستی، انرژی مصرفی و جریمه آزمون ناموفق مصرف را پرداخت نماید. پروسه خرید بدین صورت است که خریداران برق مورد نیاز خود را روز قبل از مصرف پیش بینی نموده و برای بازار برق ارسال می نمایند. روش های بسیاری برای پیش بینی نیاز مصرف وجود دارد که در ادامه به آنها اشاره خواهیم کرد. پیش بینی نادرست نیاز مصرف باعث افزایش هزینه خرید انرژی الکتریکی می گردد. دقت در پیش بینی نیاز مصرف منجر به کاهش جریمه آزمون ناموفق مصرف و هزینه های قدرت درخواستی خواهد شد. ابتدا بایستی بازه مجاز و بهینه خطا را شناسایی نموده و با توجه به این بازه، پیش بینی اولیه را به گونه ای تصحیح نمود که احتمال افزایش متوسط قدر مطلق خطا از حد مجاز کاهش یابد.

    قبل از ایجاد تجدید ساختار در صنعت برق کشور، پیش بینی بار برای کل کشور انجام شده و سپس با توجه به نتایج بدست آمده از این پیش بینی، شبکه مورد بهره برداری قرار می گرفت. در ساختار سنتی پیش بینی نادرست عواقب زیر را به دنبال دارد:

    1- پیش بینی بیشتر از نیاز مصرف منجر به زیاد شدن ذخیره چرخان و در نتیجه هزینه های مرتبط با آن
    می گردد.

    2- پیش بینی کمتر از نیاز مصرف منجر به افت فرکانس، ناپایداری شبکه و در مدار قرار دادن واحدهای خاموش و هزینه های مرتبط با آن می گردد.

    پس از تجدید ساختار در صنعت برق کشور، پیش بینی نیاز مصرف ساعتی توسط شرکت های برق منطقه ای انجام شده و به تبع شفاف سازی هزینه ها، پیش بینی نادرست نیاز مصرف باعث می شود که شرکت های برق منطقه ای جریمه گردند. امروزه با راه اندازی بازار خرده فروشی پیش بینی نیاز مصرف توسط شرکت های توزیع انجام می گیرد و عواقب پیش بینی نادرست متوجه این شرکت ها خواهد بود. روش های متفاوتی برای پیش بینی کوتاه مدت بار وجود دارد، روش های ابتدایی عموما بر پایه روش های آماری و با توجه به منحنی بار روزانه استوار است اما در سال های اخیر پیش بینی کوتاه مدت بار، بیشتر با روش های هوش مصنوعی انجام شده که از جمله آنها می توان به شبکه عصبی، فازی-عصبی، عصبی تطبیقی و عصبی – فازی اشاره نمود.

     در نگاه اول ممکن است تصور شود که پیش بینی نیاز مصرف با خطای کم، هزینه خرید برق را حداقل
    می نماید اما قوانین حاکم بر بازار برق ایران به گونه ای تدوین شده که پیش بینی با خطای کم تنها پارامتر کاهش هزینه های خرید برق نمی باشد. به عبارت دیگر مطابق قوانین بازار برق ایران پیش بینی کمتر یا بیشتر از نیاز مصرف به خریداران هزینه های متفاوتی را تحمیل می نماید.

    1-2) راهکارها

    با توجه به مطالب ذکر شده در بخش قبل خریداران انرژی الکتریکی سعی می کنند پیش بینی نیاز مصرف خود را تا حد امکان کمتر از مقدار واقعی اعلام نمایند. چرا که این امر علاوه بر اینکه خریداران را از حداقل شدن قدرت درخواستی مطمئن می کند در صورت جریمه شدن نرخ جریمه کمتر از حالتی است که پیش بینی بیشتر از مصرف واقعی باشد. اما باید توجه داشت که پیش بینی کمتر از نیاز مصرف نیز پیامدهای زیر را به دنبال خواهد داشت.

    1- افزایش احتمال جریمه شدن به دلیل افزایش قدر مطلق خطا

    2- افزایش احتمال جریمه شدن به دلیل افزایش متوسط قدرمطلق خطا

    3- افزایش شاخص جریمه خطای پیش بینی نیاز مصرف و نیاز مصرف واقعی شرکت برق منطقه ای

    جهت کاهش این پیامدها لازم است برای پیش بینی نیاز مصرف کمتر از مصرف تدابیری اندیشیده شود تا اثرات این عواقب کاهش یابد.

    همانطور که ملاحظه می شود برای کاهش هزینه خرید انرژی الکتریکی بهتر است پیش بینی نیاز مصرف کمتر از میزانی باشد که امکان مصرف آن وجود دارد. اما نکته مهم این است که نیاز مصرف چه مقدار کمتر پیش بینی شود. برای این منظور لازم است به این نکته توجه داشت که در صورت تجاوز متوسط قدرمطلق خطا از حد مجاز، خریداران مشمول پرداخت جریمه می گردند. از این رو پیش بینی نیاز مصرف باید به گونه ای باشد که اولا خریدار مشمول پرداخت جریمه برای افزایش متوسط خطای از مقدار مجاز نگردد و ثانیا در ساعاتی که مصرف بیشتر است خریدار با توجه به افزایش بازه خطای مجاز، آزادی بیشتری در پیش بینی نیاز مصرف دارد. با توجه به نکات ذکر شده این ایده در ذهن القا می شود که برای پیش بینی کمتر در هر ساعت باید به مصرف و حد مجاز متوسط خطا توجه داشت.

     

    1-3)  پیش بینی بار از دیدگاه دوره های زمانی [14][9][11]

    برنامه ریزی و بهره برداری بهینه در سیستم های قدرت از نقطه نظر زمانی در چند مرحله بشرح زیر انجام می پذیرد:

    برنامه ریزی دراز مدت ( 30-5 سال )

    برنامه ریزی میان مدت ( تا یک سال )

      برنامه ریزی کوتاه مدت (یک روز تا یک هفته )

      برنامه ریزی لحظه ای ( چند دقیقه تا چند ساعت )

     

    1-3-1) برنامه ریزی دراز مدت ( 30-5 سال )

    در برنامه ریزی دراز مدت، با در نظر گرفتن توان و ترکیب و طول عمر نیروگاه های موجود، توانائی شبکه های انتقال و توزیع، قرار دادهای دراز مدت برای تبادل انرژی الکتریکی با شرکت در سیستم به هم پیوسته در مورد نوع و اندازه و محل احداث نیروگاه های جدید نحوه گسترش شبکه ماشین ویا تجدید نظر در قرار دادها تصمیم گیری می شود.

     

    1-3-2) برنامه ریزی میان مدت ( تا یک سال )

    در برنامه ریزی میان مدت با در نظر گرفتن توان وترکیب نیروگاه های موجود، میزان ذخیره سوخت، میزان آب ذخیره در مخزن ها، قرار داد شرکا، در مورد نحوه زمان بکارگیری نیروگاه های حرارتی و آبی، تهیه سوخت میزان تبادل انرژی الکتریکی با شرکا، زمانبندی بهینه برای بازرسی و تعمیرات نیروگاهها و شبکه تصمیم گیری می شود.

     

    1-3-3) برنامه ریزی کوتاه مدت(یک روز تا یک هفته )

    در برنامه ریزی کوتاه مدت با در نظر گرفتن قیود موجود و محدودیت ها و با استفاده از حداکثر انرژی و توان خریداری شده از شرکا، در مورد در مدار قرار گرفتن بهینه نیروگاه های خودی، به منظور کاستن هزینه سوخت تصمیم گیری می شود.

     

    1-3-4)برنامه ریزی لحظه ای ( چند دقیقه تا چند ساعت )

    در برنامه ریزی لحظه ای، توزیع اقتصادی بار در بین نیروگاه های موجود در هوا ونیز کنترل توان - فرکانس مدنظر می باشد. اطلاعات لازم برای انجام برنامه ریزی مرحله ای بهینه در سیستم های قدرت توسط پیش بینی میزان مصرف الکتریکی در زمانبندیهای قید شده در فوق در دسترس قرار می گیرند.

    مصرف بار الکتریکی به صورت پیچیده و غیر خطی تابعی از پارامتر های متعددی از جمله شرایط آب وهوائی ( درجه حرارت، مقدار رطوبت، روشنایی هوا، سرعت باد ) می باشد در ضمن هر روز هفته منحنی بار خود را دارد. منحنی های مصرف بار در روزهای تعطیل وغیرتعطیل نیز از یکدیگر متمایز می باشد در فصول مختلف سال نیز با توجه به عوامل مختص هر فصل، نیز طول روز، منحنی مصرف بار تغیر می کند، در طول زمان نیز با توجه به رشد جمعیت، و رشد اقتصادی جامعه، میزان میانگین مصرف بار به مرور افزایش یا بالعکس بر اثر بهینه شدن ابزار الکتریکی و یا اقدامات صرفه جویانه مصرف کنندگان عمده برق، کاهش می یابد. تغییر عادت مصرف کنندگان، بر اثر مدیریت بار از سوی تولید کنندگان انرژی الکتریکی، و یا تغییر ساخت اقتصادی (کشاورزی، صنعتی، تجاری و... ) محل تغذیه ویا در کوتاه مدت عواملی به مانند برنامه های تلویزیونی، نیز بر ساختار اقتصادی بار موثر می باشد.

    در مدل سازی برای پیش بینی بار، باید تمامی این عوامل بیان کننده منحنی بار در نظر گرفته شوند اضافه بر آن این مدل ها انتظار می رود که با خطای کم، منحنی بار را پیش بینی نماید.

     

    1-4)   عوامل موثر در پیش بینی بار الکتریکی

    مهمترین عوامل محیطی موثر بر مصرف بار الکتریکی به صورت دسته بندی شده به شرح ذیل می باشد:

    عوامل اقلیمی

    عوامل اقتصادی

    تاثیر زمان بر بار مصرفی

     

    1-4-1) عوامل اقلیمی

    عوامل اقلیمی موجب می شود منحنی مصرف برق مربوط به دستگاه های گرم کننده و سرد کننده تغییر کند. عواملی چون درجه حرارت، رطوبت هوا و سرعت وزش باد از مهمترین عوامل اقلیمی می باشند.

     

    1-4-2) عوامل اقتصادی

    عوامل اقتصادی به عنوان مکان برخی صنایع سنگین مانند فولاد و ذوب آهن نوسانات شدید و غیر قابل کنترل دارند. مشخص نبودن ساعت دقیق کارکرد این قبیل صنایع موجب می شود منحنی مصرف آنها شکل تصادفی به خود گیرد. همچنین طوفان، صاعقه، پخش برنامه های خاص تلویزیون که دارای مصرف مشخص نیستند و رویدادهای ورزش را می توان از این قبیل عوامل تصادفی دانست.

    1-4-3) تاثیر زمان بر بار مصرفی  [7][6]

    منحنی تغییرات بار نمایانگر رفتار مصرف کنندگان برق در هر جامعه است. روزهای مختلف هفته را می توان به چهار گروه شنبه، میان هفته، پنج شنبه، جمعه مناسبت های مختلف جشن، عزای عمومی تقسیم نمود که هر یک از نحوی جداگانه بر میزان بار مصرفی در شبکه سراسری اثر می گذارند.  شنبه در6 ساعت اول روز( بامداد ) به مناسبت تعطیلی شیفت سوم صنایع با سایر روزها تفاوت دارد و بار کم است.

    مناسبت های مذهبی چون بر اساس سال قمری است و به دلیل گردش 11 روز بر روی تقویم شمسی، باعث ایجاد روزهای خاص زیادی در دسته بندی های بر شمرده فوق ایجاد می نماید. ماه رمضان نیز بر شکل منحنی بار اثر می گذارد به نحوی که در هنگام سحر افزایش باری تا 1600 مگاوات و کاهش قله پیک شبانگاهی تا 5 درصد در این ماه پدیدار می شود.

    حداقل بار مصرفی در یکی از روزهای عاشورا و یا 13 فروردین که تقریبا تمامی فعالیت­های صنعتی، تجاری، بخش اعظم عمومی و کشاورزی تعطیل است، اتفاق می افتد. مطالعات بار نشان می­دهد که پخش برنامه های پربیننده تلویزیون مثل مسابقات مهم ورزش در نیمه ها شب باعث افزایش بار تا حدود 650 مگاوات و به عکس به هنگام اوج مصرف باعث کاهش تا حدود 300 مگاوات از بار مصرفی می­گردد. علت عمده این اتفاق به ظاهر غیر عادی تعطیلی سایر فعالیت های برای تماشای برنامه مورد علاقه است. لحظه تحویل سال نو نیز بر حسب زمانی باعث افزایش بار به میزان 600 تا 1400 مگاوات می­گردد.

    در فصل اول این پروژه، به اهمیت پیش بینی بار در سیستم های قدرت پرداخته شده است.

    در فصل دوم با انواع مدلهای پیش بینی از جمله مدل سری زمانی، رگرسیون، مصرف نهائی، شبکه عصبی و فازی آشنا می شویم. با توجه به اینکه پیش بینی بار متداول در شرکت توزیع مازندران با استفاده از روش رگرسیون می باشد، در ادامه با استفاده از نرم افزار SAS  به ارائه این مدل جهت پیش بینی بار پرداخته شده است.

    با تحلیل مدل برازش شده مشاهده شده است که این مدل قادر به پیش بینی بار روزهای خاص، شامل روزهای تعطیل و نیز روزهای آخر هفته نمی باشد.

    در ادامه برای دستیابی به مدل مطلوب به بررسی روش فازی پرداخته شده است. در این راستا ابتدا در فصل سوم به تشریح منطق فازی و روش پیاده سازی برنامه در محیط مطلب اشاره نموده و در فصل چهارم با بهره گیری از اطلاعات سالهای گذشته و نمودار مصرف و لحاظ نمودن تاثیر عوامل محیطی، بار کوتاه مدت استان مازندران را پیش بینی شده است.

    Abstract

    Forecasting short-time load, as forecasting load of one hour to next few days, has a significant effect on applying power system; because most of energy management strategies, such as an economical plan for using ongoing power stations, a plan for budgeting the needed fuel for power stations, input and output of units, developing transmission and trans lines of distribution network and increasing blackouts if necessary, are run based on this forecasting. 

    First chapter considers the importance of forecasting load in power systems. In second chapter, different kinds of forecasting models, such as Time series model, Regression, Final consumption, Neural and fuzzy networks are introduced. Since the common method for forecasting load in Mazandaran’s distribution network is Regression, we present this model for forecasting load by SAS software.

    Analyzing the studied model suggests that this model cannot forecast load in some certain days, such as holidays and weekend.

    In the following, we consider fuzzy method for reaching to a desirable model. In this way, chapter 4 explains about fuzzy logic and implementation of the program in Matlab.  In chapter5, we forecast the short-time loads of Mazandaran province according to the past years information and consumption graph and with considering environmental factors.

    Keywords: expert system - Fuzzy approach short term   load forecasting

  • فهرست و منابع پایان نامه پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره

    فهرست:

    فهرست مطالب

       عنوان                                                                                                                       صفحه

     

    فصل اول: مقدمه

    1-1) اهمیت پیش بینی بار سیستم های قدرت........................................................................................................ .5

    1-1-1) بررسی اهمیت پیش بینی باراز لحاظ فنی.................................................................................................5

    1-1-2) بررسی اهمیت پیش بینی باراز لحاظ اقتصادی.........................................................................................6

    1-2) راهکارها..........................................................................................................................................................8

    1-3) پیش بینی بار ازدیدگاه دوره های زمانی........................................................................................................9

    1-3-1) برنامه ریزی دراز مدت................................................................................................................................9

    1-3-2) برنامه ریزی میان مدت.............................................................................................................................10

    1-3-3)  برنامه ریزی کوتاه مدت..........................................................................................................................10

    1-3-4)  برنامه ریزی لحظه ای / چند دقیقه تا چند ساعت.................................................................................10  

    1-4)  عوامل موثر در پیش بینی بار الکتریکی......................................................................................................11

    1-4-1)  عوامل اقلیمی...........................................................................................................................................12

    1-4-2)  عوامل اقتصادی.......................................................................................................................................12

    1-4-3)  تاثیر زمان بر بار مصرفی.........................................................................................................................12

    - جمع بندی و نتیجه گیری....................................................................................................... .........................12

     

    فصل دوم: روش های مدل سازی

    2-1) پیش بینی......................................................................................................................................................16

        عنوان                                                                                                                      صفحه

     

    2-2) دقت پیش بینی.................................................................................................................................................... 16

    2-3) معیار سنجش خطا در پیش بینی...................................................................................................................... 17

    2-4) روشهای پیش بینی..................................................................................................................17

    2-4-1) روش سری زمانی....................................................................................................................................18

    2-4-2) روش رگرسیون..................................................................................................................................... 26

    2-4-3) پیش بینی باربا استفاده ازآمارهای مستقل..........................................................................................27

    2-4-4)روش مصرف نهایی

       28

    2-4-5) روش کاربری ارضی................................................................................................................................29

    2-4-6)  روش عصبی..........................................................................................................................................30

    2-5) پیش بینی بارکوتاه مدت استان مازندران با استفاده از روش رگرسیون................................................38

    2-5-1) برازش مدل رگرسیون در محیط SAS ...............................................................................................38

    2-5-2) تحلیل نتایج حاصل ازمدل رگرسیون...................................................................................................41

    -  جمع بندی و نتیجه گیری............................................................................................................................   44

     

     

    فصل سوم: مدل سازی به روش فازی

    3-1) ضرورت استفاده از سیستم خبره فازی جهت پیش بینی بار....................................................... ......47

    3-2)  توابع عضویت................................................................................................................................. ......49

    3-3) مراحل طراحی یک سیستم فازی..............................................................................................  .........52

    عنوان                                                                                                                        صفحه

     

     

     

    3-4) کاربرد نرم افزار MATLAB................................................................................................... ...........55

    3-4-1) ویرایشگر توابع عضویت (The Membership function editor)......................................... 59

    3-4-2)  ویرایشگر قواعد (The Rule editor).........................................................................................63

    3-4-3)  نمایشگر قواعد( (The Rule viewer..........................................................................................64

    3-4-4) نمایشگر سطوح(The surface viewer)......................................................................................65

     

    فصل چهارم : طراحی مدل  فازی جهت پیش بینی بار کوتاه مدت استان مازندران

    4-1) طراحی  مدل  فازی جهت پیش بینی بار کوتاه مدت.......................................................................68

    4-1-1)  مشخص کردن ورودی ها، خروجی ها و روش مورد استفاده برای غیر فازی کردن...............................68

    4-1-2) تعیین مجموعه های فازی و تابع عضویت برای ورودی ها و خروجی ها..................................................70

    4-1-3) شاخت قواعد با شناخت از مجموعه های فازی..................................................................76

    4-1-4) معتبرسازی و بازنگری قواعد.....................................................................................................................81

    فصل پنجم: نتیجه گیری و پیشنهادات

    نتیجه گیری.....................................................................................................................................88

    پیشنهادات.............................................................................................................................................................89

    مراجع.............................................................................................................................................92

    منبع:

    1[ وحیدی نسب، و.،جدید، ش.،"کاربرد سیستمهای فازی درپیش بینی کوتاه مدت بارالکتریکی روزهای کاری و روزهای تعطیل خاص".هشتمین کنفرانس سیستم های هوشمند، دانشگاه فردوسی مشهد. شهریور 86

    ]2[ کما نکش، سیما. برقی نیا، سعیده. غفار، آزاده."پیش بینی بار کوتاه مدت شبکه برق ایران با در نظر گرفتن شرایط خاص نظیر روزهای قبل و بعد و بین تعطیلی وسالهای کبیسه و تهیه قوانین خبره فازی"، بیست و دومین کنفرانس بین المللی برق

    ]3[ علوی،مهدی.رجبی،مصطفی." کمینه سازی هزینه خرید برق از بازار برق با اعمال یک الگوریتم کاربردی به پیش بینی نیاز مصرف "، دفتربازار برق، شرکت برق منطقه ای خراسان

    ]4[ خلیل بانان،ع.، الهویردی، ر.،"پیش بینی بار کوتاه مدت با استفاده از شبکه های عصبی- فازی"،یازدهمین کنفرانس شبکه های توزیع برق،مازندران،1385

    ]5[یعقوب پور،م.، مدیرشانه چی، م.ح.،"پیش بینی بار کوتاه مدت با سیستم استنتاج فازی تطبیقی"،دانشکدهبرق،دانشگاهفردوسی مشهد

    ] 6[   رحیمی، آزاد. مقدسی، سید مسعود. "پیش بینی بار کوتاه مدت با استفاده از فیلتر کالمن ". دانشگاه صنعتی خواجه نصیر طوسی

    ]7[رحیمی، آزاد،"توسعه مدل پیش بینی کوتاه مدت بارالکتریکی متاثر از قیمت با اعمال قیمت واقعی بوسیله شبکه های عصبی وسیستم خبره فازی درسیستم تجدید ساختار یافته"،دانشگاه صنعتی خواجه نصیرالدین طوسی،1388

    ]8[نصیری، علی اکبر،"پیش بینی کوتاه مدت انرژی الکتریکی شبکه تهران بوسیله شبکه های عصبی"،ششمین همایش ملی انرژی،1388

    ]9[ اکبری،توحید. پارسامقدم، محسن."پیش بینی بار کوتاه مدت در حوزه برق منطقه ای تهران با استفاده از فیلتر کالمن "، سیزدهمین کنفرانس شبکه های توزیع نیروی برق، اردیبهشت 87،گیلان

    ]10[ رحیمی، آزاد. مقدسی، سید مسعود." ارائه مدل پیش بینی کوتاه مدت منحنی بار الکتریکی در محیط حساس به قیمت ". دانشگاه صنعتی خواجه نصیر طوسی

    ]11[ " کاربرد  sas در تجزیه و تحلیلهای آماری"، تالیف دکتر حسین میرزایی ندوشن

    [12] S. Ahmadi, H. Bevrani, H. Jannaty. “A fuzzy inference model for short-term loadforecasting” ;Conference on Renewable Energy and Distributed Generation. 2012 IEEE.

     

    [13] A. Khosravi, S. Nahavandi, D. Creighton, D. Srinivasan. “ Interval Type-2 Fuzzy Logic Systems for Load Forecasting: A Comparative Study” ;IEEE TRANSACTIONS ON POWER SYSTEMS, VOL. 27, NO. 3, AUGUST 2012.

     

    [14] Q. Wang , B. Zhou , Z. Li, J. Ren. “ Forecasting of Short-term Load Based on Fuzzy Clustering and Improved BP Algorithm” ; 2011 IEEE

     

    [15] V. H. Hinojosa, Member, IEEE, and A. Hoese. “Short-Term Load Forecasting Using Fuzzy Inductive” ; Reasoning and Evolutionary Algorithms.. Feb 2010.

     

    [16] A. Jain, E. Srinivas, R. Rauta. “Short Term Load Forecasting using Fuzzy Adaptive Inference and Similarity” ;NaBIC 2009.world cogress on.

     

    [17] N. Fakhreshamloo, M. Kaheni, M. Haddad Zarif , L. Ghazizadeh, Z. Asghari. “A fuzzy approach for Khorasan Razavi short-term load forecasting” ; 24th international  power system conference. 2009

     

                      [18] Rastegar.H;Kazeminejad.M;Dehghan.M;Motamadinejad,M; ”A new short term          loadforecasting using multilayer perceptron”; international conference on;15-17.2006 

         [19]  C. Pandian, and et. al., “Fuzzy approach for short term load forecasting” Electric            Power System Research, Elsevier,2006.                                                                              

           [20] Gross G;Galiana F;1987;”Short term load forecasting “; IEEE proceedings     

           [21] MATLAB, The Math Work Inc.http://www.mathworks.com



تحقیق در مورد پایان نامه پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره, مقاله در مورد پایان نامه پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره, پروژه دانشجویی در مورد پایان نامه پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره, پروپوزال در مورد پایان نامه پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره, تز دکترا در مورد پایان نامه پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره, تحقیقات دانشجویی درباره پایان نامه پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره, مقالات دانشجویی درباره پایان نامه پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره, پروژه درباره پایان نامه پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره, گزارش سمینار در مورد پایان نامه پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره, پروژه دانشجویی در مورد پایان نامه پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره, تحقیق دانش آموزی در مورد پایان نامه پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره, مقاله دانش آموزی در مورد پایان نامه پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره, رساله دکترا در مورد پایان نامه پیش بینی کوتاه مدت بار استان مازندران با استفاده از سیستم های خبره

ثبت سفارش
تعداد
عنوان محصول
بانک دانلود پایان نامه رسا تسیس