RT - Journal Article T1 - Priority Index for Selection of Similar Days in Short Term Load Forecasting Method Considering Temperature and Partitioning JF - jiaeee YR - 2017 JO - jiaeee VO - 14 IS - 3 UR - http://jiaeee.com/article-1-454-fa.html SP - 108 EP - 117 K1 - Short term load forecasting K1 - Knowledge-based method K1 - Iran power system K1 - System partitioning K1 - Priority index for similar day selection. AB - امروزه پیش­بینی بار کوتاه‌مدت، یکی از مسایل بسیار مهم در برنامه­ریزی سیستم­های انرژی بشمار می­رود. بهبود دقت در پیش­بینی بار موجب کاهش هزینه­های ناشی از خطا در پیش­بینی و بهینه کردن عملکرد سیستم قدرت می­شود. تا کنون روش­های متفاوتی جهت پیش­بینی بار کوتاه مدت ارائه شده است اما در بین تمامی روش­ها، روش روزهای مشابه دارای حجم و زمان محاسباتی بسیار اندکی است. در نتیجه بهبود دقت این روش در پیش­بینی بار می­تواند بسیار حائز اهمیت باشد. در این مقاله با ارائه شاخصی جهت اولویت­بندی انتخاب روزهای مشابه در پیش­بینی بار، دقت این روش بهبود داده شده است. در این شاخص، دما و فاصله زمانی روز مشابه با روز هدف، بطور همزمان درنظر گرفته شده است. از طرف دیگر با پیشنهاد بخش­بندی کل سیستم قدرت، تاثیر دما در این روش بطور موثرتری اعمال خواهد شد. روش ارایه شده بر روی شبکه قدرت ایران پیاده­سازی شده و نسبت به روش کلاسیک روزهای مشابه، باعث کاهش میانگین خطای سالیانه از %1.08 به %1.01 می­شود. این روش علاوه بر کاهش 7% از میزان خطا، باعث می­شود تعداد روزهای با خطای پیش­بینی بیش از حد مجاز، کاهش یابد و در نتیجه قابلیت اطمینان پیش­بینی بار افزایش پیدا ­کند. LA eng UL http://jiaeee.com/article-1-454-fa.html M3 ER -