%34تخفیف

دانلود پروژه:پیش بینی قیمت برق با استفاده از یک روش ترکیبی جدید مبتنی بر هوش محاسباتی

تعداد 115 صفحه فایل word قابل ویرایش

Site: www.filenaab.ir
فایل ناب

 دانشكده مهندسی

گروه مهندسی برق

Site: www.filenaab.ir
فایل ناب

پایان نامه برای دریافت درجه کارشناسی ارشد در رشته مهندسی برق گرایش قدرت

عنوان:

پیش­بینی قیمت برق با استفاده از یک روش ترکیبی جدید مبتنی بر هوش محاسباتی

چكيده:

               با شروع مقررات زدایی در صنعت برق و پیدایش بازارهای رقابتی، فضای عرضه و تقاضای برق در دنیا به سمت فضایی متفاوت و رقابتی در حرکت بوده است. برخلاف بازار برق کنترل شده و سنتی که در آن شرکت¬های برق تنها عامل و قدرت تعیین¬کننده قیمت برق بودند، بازار رقابتی جدید یک بازار مشتری محور بوده و قیمت برق بر اساس رابطه¬ی بین عرضه و تقاضا تنظیم می¬شود. به همین دلیل پیش¬بینی¬ قیمت برق به یک ورودی مهم و تاثیر¬گذار بر تصمیمات کمپانی¬های تولید کننده و مصرف¬کننده¬های بزرگ تبدیل شده است. در واقع درک درست و دقیق رفتار بازار به¬منظور عملکرد مناسب هر کدام از شرکت کنندگان در بازار برق، برای رسیدن به سود بیشتر از اهمیت حیاتی برخوردار است. بنابراین پرداختن به موضوع پیش¬بینی قیمت برق در بازارهای رقابتی از موضوعات مورد علاقه محققان در سال¬های اخیر بوده¬است. با توجه به رفتار و دینامیک پیچیده تغییرات قیمت برق نسبت به سایر کالاها و کمیت¬ها مانند بار، در حال حاضر میزان دقت و کیفیت بدست آمده از روش¬ و مدل¬های پیش¬بینی در زمینه قیمت برق درحد مطلوبی نمی¬باشد. در واقع همچنان انتظار افزایش و بهبود دقت پیش¬بینی قیمت برق وجود دارد. تا کنون در بین روش و مدل¬های ارائه شده در زمینه پیش¬بینی قیمت برق، مدل¬های مبتنی بر سری زمانی بیشترین کاربرد و میزان دقت را داشته¬اند. در میان انواع روش¬های سری زمانی، روش¬های مبتنی بر هوش مصنوعی و محاسباتی از جذابیت و کیفیت بیشتری برخوردار بوده¬اند. همچنین با توجه به عملکرد مناسب و قابلیت بالای ESN در زمینه¬های مختلف مخصوصا در پیش¬بینی بار، در این پایان نامه دو روش ترکیبی مبتنی بر ESN تحت عنوان PSO-ESN و Wavelet-PSO-ESN  پیشنهاد شده است. با توجه به این که عملکرد موفق ESN وابسته به تنظیم و طراحی مناسب ساختارش است، از الگوریتم PSO به دلیل سادگی و پایین بودن هزینه محاسباتی، به منظور بهینه کردن پارامترهای طراحی ESN استفاده شده است. در روش Wavelet-PSO-ESN  از تبدیل موجک به¬عنوان یک ابزار استخراج ویژگی استفاده شده است. در این پایان نامه به منظور ارزیابی دقیق و منصفانه روش های پیشنهادی، این مدل ها برای پیش¬بینی قیمت برق در سال 2002 بازار برق اسپانیا به صورت پیش¬بینی قیمت در روز بعد در چهار هفته مورد ارزیابی در ماه¬های فوریه، مِی، اوت و نوامبر بکار گرفته شده است. نتایج پیش¬بینی بدست آمده توسط روش¬های PSO-ESN و Wavelet-PSO-ESN نشان می¬دهد که دو روش ارائه شده عملکرد خوبی داشته اند و نتایج رضایت بخش بوده است.

واژه¬های کلیدی: پیش¬بینی قیمت برق، شبکه انعکاس حالت، تبدیل موجک

انعکاس حالت، تبدیل موجک

فهرست مطالب

عنوان                                                                                                                 صفحه

 

فصل اول: مقدمات و کلیات                                                                                                    1

1-1-مقدمه:………………………………………………………………………………………………………….. 3

فصل دوم: روند مقررات زدایی و اهمیت پیش­بینی قیمت برق                                               7

2-1-مقدمه………………………………………………………………………………………………………….. 9

2-2-ساختار سنتی صنعت برق. 9

2-3-دلایل و اهداف مقررات زدایی و آزاد سازی صنعت برق دنیا 10

2-4-تاریخچه مقررات زدایی و رقابتی شدن صنعت برق در دنیا 11

2-5-انواع تقسیم بندی بازارهای برق دنیا 12

2-5-1-تقسیم بازار از نظر ساختار بازار 12

2-5-1-1-بازار متمرکز یا حوضچه توان. 13

2-5-1-1-1-بازار حوضچه یکطرفه. 13

2-5-1-1-2-بازار حوضچه دوطرفه. 14

2-5-1-2-مدل قراردهای دوجانبه. 15

2-5-2-تقسیم بندی بازارهای برق براساس افق زمانی اجرای بازار: 16

2-5-2-1-بازار سلف یا پیشرو (Forward market) 16

2-5-2-2-بازار روز بعد (Day-ahead market)……………………………………………………………. 16

2-5-2-3-بازار ساعت بعد (Hour-ahead market)………………………………………………………… 16

2-5-2-4-بازار لحظه­ای (Real-time marlet) 17

2-6-اهمیت و چرایی پیشبینی قیمت برق. 17

2-6-1-پیشنهاد قیمت استراتژیک و منفعت اقتصادی شرکت کنندگان بازار: 18

2-6-2-ماهیت سری زمانی قیمت برق و ویژگیهای آن. 19

فصل سوم: مروری بر مقالات                                                                                                21

3-1-مقدمه………………………………………………………………………………………………………….. 23

3-2-انواع روش­های پیش­بینی قیمت برق از جهت دوره یا افق زمانی پیشب­ینی.. 23

3-2-1-پیش­بینی بلند مدت قیمت (LTPF) 24

3-2-2-پیش­بینی میان مدت قیمت (MTPF) 24

3-2-3-پیش­بینی کوتاه مدت (STPF) 24

3-3-انواع روش­های پیش­بینی قیمت برق از جهت مدل وساختار 25

3-3-1-مدل­های تئوری بازی………………………………………………………………………………………………………………… ……………………………………………………………………………………. 26

3-3-2-مدل­های شبیه سازی.. 26

3-3-3-مدل­های سریهای زمانی   27

3-3-3-1-مدل­های تصادفی…………………………………………………………………………………. 28

3-3-3-2-مدل­های علت و معلولی.. 29

3-3-3-3-مدل­های هوش مصنوعی.. 30

3-3-3-3-1-مدل­های مبتنی بر شبکه­های عصبی مصنوعی.. 30

3-3-3-3-2-مدل­های مبتنی بر داده کاوی.. 32

3-4-تقسیم بندی مقالات ارائه شده از نظر بازار مورد مطالعه. 33

3-5-معیارهای تعیین دقت و کیفیت پیش­بینی.. 35

3-5-1-میانگین درصد قدرمطلق خطا (MAPE) 35

3-5-2-میانگین خطای روزانه (MDE) 35

3-5-3-جذر میانگین مربعات خطا یا مقدار موثر خطا (RMSE) 36

3-5-4-انحراف معیار خطا (SDE) 36

3-5-5-واریانس خطای هفتگی.. 37

فصل چهارم: روش­های پیشنهادی PSO-ESN و Wavelet-PSO-ESN                                       39

4-1-مقدمه………………………………………………………………………………………………………….. 41

4-2-شبکه انعکاس حالت (ESN) 41

4-2-1-مقالات و حوزه­های کاربرد ESN   43

4-2-2-تنظیمات و پارامترهای مهم در ESN.. 44

4-2-3-الگوریتم آموزش ESN: 45

4-3-تبدیل موجک (WT) 48

4-4-روش پیشنهادی PSO-ESN.. 54

4-5-روش پیشنهادی Wavelet-PSO-ESN.. 58

4-5-1-طرح Padding  59

4-5-2-استراتژی بدست آوردن مقادیر Padding در Wavelet-PSO-ESN……………………………………………… 60

فصل پنجم: نتایج پیش­بینی قیمت برق توسط روش­های PSO-ESN و Wavelet-PSO-ESN             65

5-1-مقدمه………………………………………………………………………………………………………………………………………………. 67

5-2-بازار برق اسپانیا 67

5-3-بازه زمانی مورد پیش­بینی و ارزیابی.. 68

5-4-نتایج پیش­بینی قیمت برق توسط روش PSO-ESN. 70

5-5-نتایج پیش­بینی قیمت برق توسط روش Wavelet-PSO-ESN. 77

5-5-1-انتخاب مقادیر Padding. 78

5-5-1-1-نتایج پیش­بینی به ازای طرح­های مختلف Padding در روش Wavelet-PSO-ESN.. 79

5-5-2-نتایج پیش­بینی به ازای استفاده از مقادیر پیش­بینی شده قیمت توسط روش PSO-ESN به عنوان مقادیر Padding در روش Wavelet-PSO-ESN                                                                                                                                              80

5-6-مقایسه نتایج بدست آمده توسط روشهای PSO-ESN و Wavelet-PSO-ESN با سایر روشها 85

فصل ششم: نتیجه گیری و پیشنهادات                                                                                    89

پیوست الف                                                                                                                         93

مراجع                                                                                                                                 99

فهرست جداول

جدول ‏3‑1- بازارهای برق مورد استفاده در مقالات مختلف.. 34

جدول ‏5‑1- بازه زمانی مورد پیش­بینی.. 70

جدول ‏5‑2- پارامترهای الگوریتم PSO در روش PSO-ESN. 72

جدول ‏5‑3- میانگین هفتگی MAPE و MDE بدست آمده توسط روش PSO-ESN. 76

جدول ‏5‑4- پارامترهای الگوریتم PSO در روش Wavelet-PSO-ESN. 78

جدول ‏5‑5- میانگین هفتگی MAPE به ازای طرح­های Padding مختلف در روش Wavelet-PSO-ESN. 80

جدول ‏5‑6- میانگین هفتگی MAPE و MDE بدست آمده توسط روش Wavelet-PSO-ESN. 84

جدول ‏5‑7- مقایسه نتایج MAPE بدست آمده بین روش­های مختلف.. 85

جدول ‏5‑8- مقایسه نتایج MDE بدست آمده بین روش­های مختلف.. 86

جدول ‏5‑9- مقایسه نتایج RMSE بدست آمده بین روش­های مختلف.. 86

جدول ‏5‑10- مقایسه نتایج SDE بدست آمده بین روش­های مختلف.. 87

جدول ‏5‑11- مقایسه نتایج  بدست آمده بین روش­های مختلف.. 87

فهرست اشکال

شکل ‏2‑1-روند پیدایش بازارهای رقابتی در دنیا 12

شکل ‏2‑2-تقسیم بندی انواع مدلهای بازارهای رقابتی برق. 13

شکل ‏2‑3-تعیین قیمت در بازار One-sided pool 14

شکل ‏2‑4-تعیین قیمت در بازار Two-sided pool یا Power exchange. 15

شکل ‏3‑1-تقسیم بندی مدلهای پیشبینی قیمت برق. 25

شکل ‏4‑1-ساختار شبکه انعکاس حالت (ESN) 43

شکل ‏4‑2-تجزیه و بازسازی سیگنال در تبدیل موجک… 52

شکل ‏4‑3-تجزیه سیگنال با تبدیل موجک تا سطح تجزیه N=3. 53

شکل ‏4‑4-ساختار روش پیشنهادی PSO-ESN. 58

شکل ‏4‑5-ساختار روش پیشنهادی Wavelet-PSO-ESN. 62

شکل ‏5‑1-سری زمانی قیمت برق بازار اسپانیا در سال 2002. 69

شکل ‏5‑2-قیمت پیش­بینی، قیمت واقعی و قدرمطلق خطا در ارزیابی هفته زمستان، روش PSO-ESN. 73

شکل ‏5‑3-قیمت پیش­بینی، قیمت واقعی و قدرمطلق خطا در ارزیابی هفته بهار، روش PSO-ESN. 73

شکل ‏5‑4-قیمت پیش­بینی، قیمت واقعی و قدرمطلق خطا در ارزیابی هفته تابستان، روش PSO-ESN. 74

شکل ‏5‑5-قیمت پیش­بینی، قیمت واقعی و قدرمطلق خطا در ارزیابی هفته پاییز، روش PSO-ESN. 74

شکل ‏5‑6-مقدار MAPE و MDE بدست آمده توسط روش PSO-ESN در ارزیابی هفته زمستان. 75

شکل ‏5‑7-مقدار MAPE و MDE بدست آمده توسط روش PSO-ESN در ارزیابی هفته بهار 75

شکل ‏5‑8-مقدار MAPE و MDE بدست آمده توسط روش PSO-ESN در ارزیابی هفته تابستان. 76

شکل ‏5‑9-مقدار MAPE و MDE بدست آمده توسط روش PSO-ESN در ارزیابی هفته پاییز. 76

شکل ‏5‑10-قیمت پیش­بینی، قیمت واقعی و قدرمطلق خطا در ارزیابی هفته زمستان، روش Wavelet-PSO-ESN. 81

شکل ‏5‑11-قیمت پیش­بینی، قیمت واقعی و قدرمطلق خطا در ارزیابی هفته بهار،روش Wavelet-PSO-ESN. 81

شکل ‏5‑12-قیمت پیش­بینی، قیمت واقعی و قدرمطلق خطا در ارزیابی هفته تابستان، روش Wavelet-PSO-ESN . 82

شکل ‏5‑13-قیمت پیش­بینی، قیمت واقعی و قدرمطلق خطا در ارزیابی هفته پاییز، روش Wavelet-PSO-ESN. 82

شکل ‏5‑14-مقدار MAPE و MDE بدست آمده توسط روش Wavelet-PSO-ESN در ارزیابی هفته زمستان. 83

شکل ‏5‑15-مقدار MAPE و MDE بدست آمده توسط روش Wavelet-PSO-ESN در ارزیابی هفته بهار 83

شکل ‏5‑16-مقدار MAPE و MDE بدست آمده توسط روش Wavelet-PSO-ESN در ارزیابی هفته تابستان. 84

شکل ‏5‑17-مقدار MAPE و MDE بدست آمده توسط روش Wavelet-PSO-ESN در ارزیابی هفته پاییز. 84

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo