پيش بيني كوتاه مدت بار الكتريكي بر پايه شبكه عصبي عميق و تبديل موجك و انتخاب ورودي

Short term electric load prediction based on deep neural network and wavelet transform and input selection

پيش بيني تقاضاي الكتريكي يكي از مهمترين عوامل در برنامه ريزي، طراحي و بهره برداري از سيستم هاي الكتريكي رقابتي است. اما بيش تر روش هاي پيش بيني بار داراي دقت مناسبي نمي باشند، از اين رو در اين مقاله جهت افزايش دقت پيش بيني كوتاه مدت بار الكتريكي به ارائه يك روش تركيبي جهت پيش بيني بار الكتريكي بر پايه شبكه عصبي عميق با تبديل موجك و اتتخاب ورودي بر مبناي تابع آنتروپي پرداخته شده است. همچنين براي نشان دادن قدرت روش پيشنهادي، بر روي داده هاي بار الكتريكي سال 2006 ميلادي بازار برق PJM و يكي از پستهاي كرمان در سال 1395 پيش بيني صورت پذيرفته است كه نتايج آن تاكيدي بر كارايي روش پيشنهادي در پيش بيني بار الكتريكي براي برنامه ريزي توليد و توزيع مي باشد.

Electricity demand forecasting is one of the most important factors in the planning, design, and operation of competitive electrical systems. However, most of the load forecasting methods are not accurate. Therefore, in order to increase the accuracy of the short-term electrical load forecast, this paper proposes a hybrid method for predicting electric load based on a deep neural network with a wavelet transform and input selection. Based on the entropy function. Also, in order to demonstrate the strength of the proposed method, the PJM electricity market and one of the Kerman substations load data in 1395 were used and the results of which emphasized the efficiency of the proposed method in predicting the electric load for production planning an‎d distribution.