مجله مهندسی برق و الکترونیک ایران - جلد 19 شماره 4                   برگشت به فهرست مقالات | برگشت به فهرست نسخه ها

XML English Abstract Print


دانشگاه صنعتی همدان
چکیده:   (63 مشاهده)
هدف از این مقاله، به‌کارگیری و مقایسه عملکرد سه روش یادگیری ماشین شامل جنگل تصادفی (RF)، ماشین بردار پشتیبان (SVM) و اسپلاینهای رگرسیون تطبیقی چندمتغیره (MARS) برای پیش‌بینی کوتاه‌مدت و بلندمدت بار الکتریکی است. اطلاعات ورودی به صورت بار الکتریکی ساعت قبلی، دمای هوا و زاویه فعلی ارتفاعی خورشید و روزهای تعطیل رسمی در نظر گرفته شده است. سه معیار مختلف برای مقایسه عملکرد شامل خطای جذر میانگین مربعات، خطای میانگین قدر مطلق و ضریب تعیین R2 مورد استفاده قرار گرفته است. روش‌ها بر روی داده‌های ثبت شده واقعی مصرف بار الکتریکی یکی از پست‌های فوق توزیع شهر همدان و با استفاده از زبان برنامه‌نویسی متن‌باز R پیاده‌سازی شده است. داده دمای هوای منطقه از نزدیک‌ترین ایستگاه هواشناسی دریافت شده و زاویه تابش خورشید برای کل ساعات سال بر اساس موقعیت جغرافیای محل و روابط نجومی محاسبه شده است. نتایج نشان می‌دهد که روشهای پیاده شده با دقت بسیار خوبی بار مصرفی را پیش بینی مینمایند و همچنین روش RF در پیش‌بینی بار کوتاه‌مدت و روش SVM در پیش‌بینی بار بلندمدت عملکرد بسیار مناسبی ارائه میدهند و دقت بیشتری دارند.
     
نوع مقاله: پژوهشي | موضوع مقاله: قدرت
دریافت: 1400/6/2 | پذیرش: 1400/9/11

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به نشریه مهندسی برق و الکترونیک ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2022 CC BY-NC 4.0 | Journal of Iranian Association of Electrical and Electronics Engineers

Designed & Developed by : Yektaweb