در یک بازار برق روزانه، پیشبینی قیمت و بار مهمترین سیگنال برای شرکت کنندگان در بازار می‌باشد. در این مقاله از شبکه‌های عصبی پیشرو با بهینه‌سازی آموزش ژنتیکی برای پیشبینی قیمت کوتاه مدت تراکم گرهی برق در نواحی مختلف یک بازار برق در مقیاس وسیع استفاده شده است. اطلاعات لازم برای پایگاه داده شبکه عصبی از حل معادلات پخش بار بهینه سیستم قدرت با در نظر گرفتن کلیه عوامل موثر، برای تغییرات بار سیستم در هر ساعت از روز در مدت یک ماه حل شده است. ساختار شبکه عصبی دارای دو سیگنال ورودی توان اکتیو و راکتیو هر شین در هر ساعت از مدل برنامه‌ریزی می‌باشد. این دو سیگنال همواره در سیستم قدرت قابل دسترس می‌باشند. در این مطالعه از سیستم 118 باسه IEEE برای بررسی صحت روش پیشنهادی استفاده شده است. این شبکه به 3 ناحیه تقسیم شده و برای هر ناحیه از یک شبکه عصبی با آموزش بهینه ژنتیکی استفاده شده است. نتایج حاصله بیانگر توانایی این روش برای پیشبینی قیمت در یک بازار برق بزرگ با خطای نسبتاً کم و قابل قبول خصوصاً در نقاط جهش قیمت دارد.
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است. |