فهرست نشریات علمی دسترسی آزاد ایران

پیش‌بینی بار الکتریکی مصرفی برای عملکرد مطمئن سیستم‌های قدرت و همچنین برای برنامه‌ریزی مدیریت تقاضا و ذخیره بار حیاتی است. در این مقاله پیش-بینی بار با استخراج ویژگی‌های تاریخچه بار مصرفی با استفاده از شبکه‌های عصبی عمیق انجام شده است. شبکه‌های عصبی بازگشتی ، به ویژه شبکه‌های عصبی بازگشتی بهبود یافته، مانند LSTM و GRU قادر به نگه‌داشتن حافظه کوتاه مدت و طولانی هستند تا روابط بین مقادیر بار را از سری زمانی استخراج کنند. از طرف دیگر، شبکه‌های عصبی کانولوشنی قادر به یادگیری خودکار ویژگی‌ها هستند و می‌توانند مستقیماً یک بردار را برای پیش‌بینی تولید کنند. روش پیشنهادی این مقاله، استخراج ویژگی‌های بار با استفاده از شبکه‌های عصبی کانولوشن و سپس استخراج اطلاعات توالی زمانی بار با بهره‌گیری از شبکه GRU است. نتایج آزمایش‌ها بر روی سه مجموعه داده Toronto و ISO-NE و North American Utility نشان دهنده کاهش خطای پیش‌بینی روش پیشنهادی در مقایسه با سایر روش‌های رقیب است.