سال انتشار: ۱۳۸۵

محل انتشار: بیست و یکمین کنفرانس بین المللی برق

تعداد صفحات: ۸

نویسنده(ها):

حسین شایقی – دانشکده فنی دانشگاه محقق اردبیلی
عظیم سلیمی نیای لاهیجی – دانشکده فنی دانشگاه محقق اردبیلی
حیدرعلی شایانفر – دانشکده برق دانشگاه علم وصنعت ایران

چکیده:

تحلیل کلی بازارهای برق نشان می دهد کـه توسـعه و بهبـود راهکارهای پیشبینی قیمت انرژی الکتریکی نقش حیاتی را در افزایش سود تولیدکننـدگان و بـالا بـردن بهـره وری مصـرف -نندگان ایفاء می نماید . از طرفی پیش بینی بلنـد مـدت قیمـت تسویه بازار در برنامه ریزی سیستم قدرت به عنوان ضـروری – ترین و اساسی ترین نیاز برای هرگونه تصمیم گیـری در بـازار ، از جمله در برنامه ریـزی توسـعه تولیـد ) GEP ) 1 کـه بـا آغـاز تجدید ساختار عدم قطعیت های زیـادی را بـه همـراه دارد از اهمیت ویژهای برخوردار است . در این مقاله استفاده از شـبکه عصبی بهبود یافته با مکانیزم پس انتشار خطا بـرای پـیش بینـی بلندمدت قیمت تسویه بازار پیشنهاده شده است . شبکه عصبی اولیه پیشنهادی از نوع پرسپترون سهلایه بوده که برای آموزش آن از الگوریتم پس انتشار خطـا بـه روش لـونبر گ مـارکوارت برای بالا بردن سرعت و دقت آموزش استفاده شده اسـت . بـه منظور کاهش خطا و بهبود عملکرد شبکه عصبی پیشنهادی، با کلاسهبندی داده های ورودی به روش فازی سیستم چنـد گانـهعصــبی ارایــه گردیــده و در نهایــت از اطلاعــات بــازار بــرق نیوانگلند وکالیفرنیا بـرای یـادگیری، اع تبارسـنجی و آزمـایش الگوریتم معرفی شده استفاده می شـود . نتـایج آزمـایش نشـان میدهد که راهکار معرفی شده پیشبینی دقیق و قابل اعتماد از قیمت تسویه بازار داشته و نه تنها می تواند در برنامـه ریـزی – هـــای کوتـــاه مـــدت توســـط شـــرکتهـــای تولیـــدکننـــده
برق GENCO ) 2 ها ) بلکه در برنامه ریـزی بلندمـدت از جملـه برنامهریزی توسعه تولید هم به عنـوان راهکـار قیمـت مـورد استفاده قرار گیرد