اين مقاله يك مدل شبكه عصبي تلفيقي مبتنی بر الگوريتمهای هدايت شده و هدايت نشده براي پيشبيني پيك بار(PLF) الكتريكي روزانه ارائه ميكند. از آنجاييكه الگوهاي مشابهي در دادههاي پيك بار ديده ميشود، خوشهبندي دادهها میتواند دقت پيشبينيها را افزايش دهد. ليکن، اكثر خوشهبنديهاي ارائه شده در ادبيات بدون دليل و صرفاَ شهودي بودهاند. در اين مقاله، ما رويكرد جديدي را براي خوشهبندي دادهها با بکارگيری الگوريتم هدايت نشده نقشه خودسازمانده ارائه ميكنيم. از طرف ديگر، برای حل مشکل تعيين تعداد بهينه خوشهها شاخص اعتبارسنجي ديويس-بولدين بکار گرفته شده است. سپس، از شبكه عصبي پيشخوراند براي پيشبينی پيک بار در هر يك از خوشهها استفاده شده است. چهار الگوريتم آموزشي بمنظور آموزش شبكههاي عصبي پيشخوراند مورد مقايسه قرار گرفتهاند. جهت ارزيابي اثربخشي مدل پيشنهادي، پيشبيني بوسيله توسعه يك شبكه عصبي پيشخوراند كه از دادههاي خوشهبندي نشده استفاده ميكند، انجام شده است. نتايج برتري اثربخشي مدل پيشنهادي را ثابت ميكند. همچنين، مدلهاي رگرسيون خطي براي PLF توسعه داده شدهاند و نتايج نشان ميدهد كه مدل پيشنهادي به ميزان قابلتوجهي، پيشبينيهاي بهتري را نسبت به مدلهاي رگرسيون خطي توليد ميكند. لازم بذكر است كه از دادههاي پيك بار شركت برق منطقهاي تهران جهت آزمايش و اعتبارسنجي مدل استفاده شده است.
کلید واژگان :پيشبيني، پيكبار الكتريكي روزانه، خوشهبندي، نقشه خودسازمانده، شبكه عصبي پيشخوراند
ارزش ریالی : 300000 ریال
با پرداخت الکترونیک