استفاده از تركيب شبكه هاي عصبي و تبديلات موجك در پيش بيني كوتاه مدت مصرف بار الكتريكي

Use of Combination of Neural Networks and Wavelet Transforms in The Short Term Prediction of the Consumption of Electric Load

با افزايش مصرف انرژي، و جلوگيري از ناكارامدي در امر توليد، انتقال و توزيع انرژي الكتريكي، افزايش قابليت اطمينان سيستم هاي قدرت، برنامه ريزي جهت تعميرات از يكطرف و برنامه ريزي در امر توليد، مديريت مصرف ، در مدار آوردن اقتصادي واحد هاي توليد برق و مديريت صحيح بازار برق از طرف ديگرباعث شده است كه شركت هاي برق براي تقابل با اين مسئله برنامه اي داشته باشند. يكي از راه هاي مقابله با اين مشكلات، پيش بيني بار براي يك دوره زماني جهت مديريت و استفاده مناسب از انرژي است.در اين مطالعه از روشي مبتني بر تركيب شبكه هاي عصبي و تئوري موجك به عنوان مدلي جهت پيش بيني كوتاه مدت بار الكتريكي ارائه شده است. تبديلات موجك يا وﻳﻮﻟﺖ ﻳﻜﻲ از ﭘﺮﻛﺎرﺑﺮدﺗﺮﻳﻦ ﺗﺒﺪﻳﻼت رﻳﺎﺿﻲ در ﺣﻮزه ﭘﺮدازﺷﻲ و ﺑﻪ وﻳﮋه ﭘﺮدازش ﺳﻴﮕﻨﺎل و ﺗﺼﻮﻳﺮ ﻣﻲ ﺑﺎﺷﺪ. در ﻳﻚ ﻧﮕﺎه ﻛﻠﻲ، ﻫﺪف از اﻋﻤﺎل ﻳﻚ ﺗﺒﺪﻳﻞ رﻳﺎﺿﻲ ﺑﺮ ﻳﻚ ﺳﻴﮕﻨﺎل، ﺑﺪﺳﺖ آوردن اﻃﻼﻋﺎت اﺿﺎﻓﻪ اي اﺳﺖ ﻛﻪ در ﺳﻴﮕﻨﺎل ﺧﺎم اوﻟﻴﻪ ﻗﺎﺑﻞ دسترسي ﻧﻤﻲ ﺑﺎﺷﻨﺪ.در اينجا از تبديل موجك براي تجزيه الگوي مصرف برق در زمان هاي مختلف استفاده مي شود تا به عنوان يك ورودي به شبكه عصبي اعمال شود. براي ارزيابي مدل از ديتا هاي مربوط به هواشناسي و مصرف انرژي الكتريكي مربوط به سنوات قبل استفاده مي شود.نتايج بدست آمده دقت قابل قبول مدل پيشنهادي را تصديق مي كند.

By increasing energy consumption, and preventing inefficiencies in the production, transmission and distribution of electrical energy, increasing the reliability of power systems, planning for repair on the one hand and planning in the production, management of consumption, in the circuit of bringing economic units of power generation and the proper management of the electricity market, on the other hand, has made the electricity companies plan to counteract this issue. One of the ways to cope with these problems is to predict the load for a period of time to manage and use proper energy. In this study, a method based on the combination of neural networks and wavelet theory as a model for short-term prediction of electric charge Has been. Wavelet or wavelet transforms are one of the most widely used mathematical transformations in the processing field, especially signal processing and image processing. In a general view, the purpose of applying a mathematical transform to a signal is to obtain additional information that is not available in the primary raw signal. Here, wavelet transformation is used to analyze the power consumption pattern at different times, to Apply as an input to the neural network. To evaluate the model, data from meteorological data and electric power consumption related to previous years are used. The obtained results confirm the acceptable accuracy of the suggested model.