این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
شنبه 29 آذر 1404
پژوهش های سیاستگذاری و برنامه ریزی انرژی
، جلد ۴، شماره ۱۱، صفحات ۷-۳۴
عنوان فارسی
پیش بینی قیمت تسویه در بازار برق: الگوریتم ماشین بردار پشتیبان بهبودیافته
چکیده فارسی مقاله
با تشکیل بازار برق ایران در سال 1382، تولیدکنندگان انرژی با ثبت پیشنهاد قیمت خود بهصورت روزانه در سامانه مدیریت شبکه، با یکدیگر به رقابت میپردازند.در این رقابت تنها تولیدکنندگانی پیروز هستند که قیمت پیشنهادی آنها پایینتر از قیمت تسویه بازار در ساعات روز بعد باشد، ازاینرو پیشبینی قیمت تسویه بازار در روز بعد برای تولیدکنندگان انرژی امری حیاتی بوده و در کسب هر چه بیشتر سهم بازار برق ایران به صورت روزانه توسط آنها تاثیرگذار است. در این مطالعه با ترکیب الگوریتم K-means و ماشین بردار پشتیبان، مدل جدیدی جهت پیشبینی قیمت تسویه بازار در روز بعد ارائهشده است. مطابق با نتایج حاصل از پیادهسازی مدل پیشنهادی بر روی دادههای سال 1395 و 1396، هفت خوشه رقابتی برای بازار برق ایران شناساییشده، که متوسط دقت مدل پیشنهادی در پیشبینی قیمت تسویه بازار در هر یک از این خوشهها برای سالهای 1395 و 1396به ترتیب برابر با 96 و 94 درصد میباشد.
کلیدواژههای فارسی مقاله
عنوان انگلیسی
Prediction Model for Iran's Electricity Market Clearing Pricees: Improved SVM Algorithm
چکیده انگلیسی مقاله
Since the formation of the Iranian electricity market in 1382 (2003), power plants have been competing with each other on a daily basis in the ISO by registering their bid prices. In this competition, the winners are those power plants whose bid prices are lower than the market clearing price for each hour in the next day, so the forecasting the next day market prices is vital for energy producers. In this study, using a combination of K-means algorithm and support vector machine, a new model for predicting the next day market settlement prices is proposed and the model has been used the hourly electricity market prices for 1395-1396 (2016-2017). According to the results, seven competitive clusters were identified for the Iranian electricity market. The average forecasting accuracy of the proposed model for each of these clusters for the years 1395 (2016) and 1396 (2017) was 96% and 94%, repectively.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
امید معتمدی | Omid Motamedi
Tarbiat Modares University
دانشگاه تربیت مدرس
بختیار استادی | Bakhtiar Ostadi
Tarbiat Modares University
دانشگاه تربیت مدرس
علی حسین زاده کاشان | Ali Husseinzadeh Kashan
Tarbiat Modares University
دانشگاه تربیت مدرس
نشانی اینترنتی
http://epprjournal.ir/browse.php?a_code=A-10-464-2&slc_lang=fa&sid=1
فایل مقاله
اشکال در دسترسی به فایل - ./files/site1/rds_journals/2501/article-2501-1533801.pdf
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
تخصصی
نوع مقاله منتشر شده
پژوهشی
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات