شماره ركورد كنفرانس :
5435
عنوان مقاله :
پيش بيني كوتاه مدت قيمت الكتريسيته در بازار برق با استفاده از شبكه‌هاي يادگيري عميق بهبوديافته بر پايه الگوريتم فاخته
عنوان به زبان ديگر :
Short-term electricity price forecasting in power market using an improved deep learning based CuCkoo search algorithm
پديدآورندگان :
ظهوري زاده محمدرضا taherian988@gmail.com دانشگاه پيام نور، واحد مشهد , پورمحقق مجتبي ilearning2004@yahoo.com دانشگاه پيام نور، واحد مشهد
تعداد صفحه :
15
كليدواژه :
بازار برق ايران , پيش بيني كوتاه مدت قيمت الكتريسيته , شبكه‌ يادگيري عميق DL , الگوريتم فاخته
سال انتشار :
1402
عنوان كنفرانس :
نهمين همايش ملي مطالعات و تحقيقات نوين در حوزه علوم كامپيوتر، برق و مكانيك ايران
زبان مدرك :
فارسي
چكيده فارسي :
در بازارهاي برق رقابتي، قيمت الكتريسيته طبيعتي نامطمئن دارد و از آن به عنوان مهم‌ترين عامل عدم قطعيت نام مي‌برند. در اين محيط، بازيگران مختلف بازار نيازبه پيش‌بيني دقيق اين سيگنال جهت فعاليت‌هاي بهره‌برداري و برنامه‌ريزي خود دارند. پيش‌بيني قيمت در بازارهاي با مناقصه PAB، داراي اهميت بيشتري مي‌باشد؛ چرا كه در بازار با مناقصه PAB با توجه به اين كه هر بازيگر، در صورت برنده شدن، بر اساس ميزان قيمت پيشنهادي خود وجه دريافت مي‌نمايد، شركت‌كنندگاني كه پيش‌بيني دقيق‌تري داشته و استراتژي مناسب‌تري را بكار گيرند، سود بيشتري را نصيب خود خواهند ساخت. از اين رو در اين مقاله به ارائه مدلي چند مرحله اي جهت پيش بيني قيمت در بازار برق ايران سال 1402 پرداخته شده است. در مدل پيشنهادي ابتدا داده ها با استفاده از خوشه بندي فازي برحسب نوع بار يا روز سال تقسيم بندي مي شوند، سپس با استفاده از شبكه‌ يادگيري عميق (DL) بهبوديافته بر پايه الگوريتم فاخته پيش بيني قيمت براي ساعات مختلف روز صورت مي پذيرد. نتايج بدست آمده بيانگر دقت بالاي مدل پيشنهادي مي باشد.
چكيده لاتين :
In competitive electricity markets, the price of electricity has an uncertain nature and it is called as the most important factor of uncertainty. In this environment, different market players have to accurately forecaste this signal for their exploitation and planning activities. Price forecasting in markets with PAB bidding is more important; Because in the market with PAB bidding, given that each actor, in case of winning, receives money based on the amount of his bid, the participants who have more accurate forecast and use a more appropriate strategy will make more profit. Therefore, in this article, a multi-stage model has been presented to predict the price in the Iranian electricity market in 1402. In the proposed model, the data is first divided by fuzzy clustering according to the type of load or day of the year, then the price prediction is done for different hours of the day using the improved deep learning (DL) network based on the cuckoo algorithm. accept The obtained results show the high accuracy of the proposed model.
كشور :
ايران
لينک به اين مدرک :
بازگشت