پروژه پیش بینی بار الکتریکی با استفاده از شبکه عصبی عمیق

در اقتصاد الکتریسیته، شرکت‌های تولیدکننده برق موظفند مصرف‌کننده‌های خود را با قابلیت اطمینان زیاد، با کیفیتی بالا و قیمت مناسب با توجه به محدودیت‌هایی از جمله حفظ محیط‌زیست، قرارداد با دیگر شرکا در سیستم‌های به هم پیوسته و با در نظر گرفتن قیودی نظیر توان و نوع نیروگاه‌های موجود، میزان ذخیره سوخت موردنیاز نیروگاه‌های حرارتی ، میزان آب موجود در مخزن‌ها برای استفاده نیروگاه‌های آبی و … تغذیه نماید.

 برای نیل به این اهداف باید از طرفی تجهیزات موردنیاز نیروگاه‌ها و شبکه‌های انتقال و توزیع به نحو بهینه مورداستفاده و بهره‌برداری قرار گیرد و از طرف دیگر انرژی‌های اولیه موجود برای تولید برق به طرز بهینه مورد مصرف واقع شوند.

روش‌های جدید با ایجاد مدل‌های غیرخطی مابین متغیرهای ورودی و خروجی، مقادیر پیش‌بینی‌شده بار بهبود می‌یابند. روش‌های سنتی عمدتا به هنگام تغییرات آب‌وهوایی سریع در زمینه پیش‌بینی‌های دقیق دچار اشتباه می‌شوند و بدین‌جهت روش‌های مدرن پیش‌بینی بار از مقبولیت و کارایی به مراتب بیشتری برخوردار می‌باشد .

هر روز هفته منحنی بار خاص خود را دارد و منحنی‌های مصرف بار در روزهای تعطیل و غیر تعطیل و روزهای هفته متفاوت می‌باشد. در فصول مختلف سال نیز با توجه به عوامل مختص هر فصل، نظیر طول روز، منحنی مصرف تغییر می‌کند.

با توجه به شرایط آب‌وهوایی ایران، میزان مصرف روزانه در فصول مختلف سال متفاوت می‌باشد. در فصل بهار و پائیز که درجه حرارت محیط در اغلب نقاط کشور معتدل می‌باشد بار شبکه نسبت به فصول تابستان و زمستان به مراتب پایین‌تر می‌باشد.

عکس خروجی برنامه