يك روش تركيبي پيش‏ بيني احتمالاتي بلند‌مدت بار خالص شبكه با در نظر گرفتن اثر توان توليد‌شده توسط منابع انرژي تجديدپذير در شبكه‌هاي هوشمند

امروزه با توجه به رشد گسترده و نفوذ استفاده از منابع توليد پراكنده در شبكه‌هاي هوشمند، پيش‌بيني بار خالص شبكه با در نظر گرفتن اثر توليدات پراكنده اهميت قابل توجهي پيدا كرده است. در اين مقاله يك روش بهينه‌سازي تركيبي به منظور پيش‏بيني احتمالاتي بلندمدت بار خالص شبكه با استفاده از روش تحليل اجزاي همسايگي و حل مسأله رگرسيون به روش minibatchLBFGS و تركيب پيش‏بيني‏هاي به دست آمده با استفاده از سيستم استنتاج عصبي فازي تطبيقي ارائه شده است. اين ساختار شامل تركيب چندين پيش‌بيني بلندمدت از جمله پيش‏بيني بار، توان يك ايستگاه خورشيدي و توان يك مزرعه بادي با توربين‏هاي بادي مجهز به ژنراتور القايي دوسوتغذيه است. پيش‏بيني بار خالص و بررسي وابستگي موجود بين خطاهاي پيش‏بيني بار و توان‏هاي خورشيدي و بادي نيز در اين مقاله مورد مطالعه قرار گرفته است. نتايج شبيه‏سازي روش پيشنهادي و مقايسه آن با مدل‏هاي تائو و رگرسيون چندكي نشان مي‌دهد كه درصد ميانگين مطلق خطا براي پيش‌بيني‌هاي بار و توان‏هاي خروجي ايستگاه خورشيدي و مزرعه بادي به ترتيب به ميزان 0.947%، 0.3079% و 0.0042% بهبود يافته است كه كاهش خطاي كلي پيش‌بيني را سبب مي‌شود.