پيش‌بيني روزانه بار‌مصرفی برق‌مشهد

به گزارش "برق نيوز" در صنعت برق، يکي از مسائل با اهميت مساله بررسي رفتار آشوبي ميزان مصرف برق و سپس پيش بيني آن مي­باشد. در طول سال، الگوي بار مربوط به روزهاي تعطيل خاص همچون جشن­ها، وفات­ها و روزهاي خاص غيرتعطيل نسبت به يک روز معمولي متفاوت است.

بديهي است که نتوان رفتار آنها را همانند ساير روزها پيش­بيني نمود و مي­بايست از سيستم خبره که الگوي بار آنها را با توجه به عوامل مختلف شبيه­سازي مي­کند استفاده نمود. در اين مقاله ضمن بررسي آشوبي بودن و پيش­بيني پذيري منحني بار الکتريکي توسط نماي لياپانوف، با استفاده از سيستم چندگانه فازي- عصبي به پيش­بيني بار مصرفي مي­پردازيم.

وروديهاي مدل ارائه شده به سيستم چندگانه فازي عصبيِ وفقي، شامل تاريخ روز، ماه، سال، ماکزيمم و مينيمم دما، و بار مصرفي روزهاي گذشته مي­باشد و خروجي آن، درصد خطاي پيش­بيني هر فصل مي­باشد.

این مقاله توسط زهره سوزنچي کاشاني؛ مهدي يعقوبي و محمدرضا اکبرزاده توتونچي در پانزدهمین کنفرانس مهندسی برق ارائه شده است. در این پژوهش نتایج زیر حاصل گردیده است:

در روش پيشنهادي روزها را از لحاظ مصرف بار به 4 دسته تقسيم نموده­ايم. دسته اول شامل روزهاي يکشنبه تا چهارشنبه مي­باشد که روزهاي کاري هفته هستند و داراي مصرف بار مشابه هستند. دسته دوم و سوم به­ترتيب روزهاي پنجشنبه و جمعه هستند که مصرف بار آن روزها از روزهای کاری متفاوت است. گروه ديگر شامل روزهاي شنبه است و دسته چهارم بيانگر روزهاي خاص مي­باشد.

در اينجا خروجي سيستم چندگانه شبکه‌ وفقي عصبي فازي را برحسب مينيمم، ماکزيمم و ميانگين محاسبه کرده­ايم. در جدول 2 نتايج کار را مشاهده مي­کنيد.

با توجه به اینکه در اکثر روش های پیشنهادی از داده های سری زمانی مصرف بار استفاده شده است، به نظر می رسد با استفاده از داده های سری زمانی یک یا چند پارامتر موثر دیگر در مصرف بار (مانند وضعیت جوی و یا سری زمانی دما) به همراه داده های سری زمانی مصرف بار بتوان به نتایج بهتری دست یافت.

همچنین می­توان با استفاده از تخمین بزرگترین نمای لیاپانوف و محاسبه طیف لیاپانوف میزان افق پیش­بینی سیستم را نیز تعیین نمود.