پيش بيني كوتاه مدت مصرف برق با استفاده از روش خود بازگشتي سيگنال

پيش بيني كوتاه مدت مصرف بار الكتريكي نقش اساسي در بهره برداري بهينه از سيستم قدرت ايفا مي كند.عملكرد اقتصادي و قابليت اطمينان يك شبكه وابستگي قابل ملاحظه اي به دقت پيش بيني بار دارد و براي برنامه ريزي در مدار قرار گرفتن نيروگاه ها، و مديريت بار استفاده مي شود و به دليل تأثيرپذيري از روابط متعدد و متنوع غير خطي بين تغييرات دوره اي روزانه و تغييرات مصرف بار از پيچيدگي خاصي برخوردار است. اين پيش بيني در حد نيم ساعت الي يك ساعت يكي از مواردي است كه كاربردهاي زيادي در شبكه توزيع برق دارد. هدف از اين تحقيق، انجام پيش بيني كوتاه مدت با استفاده از مدلسازي خودبازگشتي خطي است. در اين روش ، داده هاي جمع آوري شده از يك پست kv63 با استفاده از روش فوق مدل خواهد شد. با استفاده از توابع خودهمبستگي خطاي باقي مانده و معيار مجموع مربعات خطا، نشان داده خواهد شد كه روش AR مي تواند به خوبي داده را مدل كند. با توجه به اينكه، داده ناايستان مي باشد، عملكرد روش ARIMA نيز مورد بررسي قرار مي گيرد و رتبه بهينه مدل و بهترين طول داده جهت انجام مدل سازي نيز ارائه مي شود. با توجه به پيش بيني صورت گرفته مرتبه مدل مناسب روش AR برابر 20 و مرتبه مدل مناسب روش ARIMA برابر (0و1و1) است. در مدل AR پيش بيني با خطاي ±10% صورت مي گيرد كه داراي مقدار خطا 38.1 و در روش ARIMA مقدار خطا 0.7277 مي باشد و مقدار MSE روش شبكه عصبي 2.30 مي باشد كه روش ARIMA عملكرد بهتري را نشان مي دهد.