این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
کیفیت و بهره وری صنعت برق ایران، جلد ۳، شماره ۶، صفحات ۳۳-۴۱
عنوان فارسی ارائه یک موتور پیش بینی مبتنی بر ترکیب اطلاعات جهت پیش بینی قیمت در بازارهای برق
چکیده فارسی مقاله در بازارهای برق تجدیدساختاریافته، ییش‎بینی صحیح قیمت اهمیت فراوانی برای تمامی شرکت‌کنندگان بازار دارد. به دلیل ویژگی‌های خاص و پیچیدگی‌های سیگنال قیمت بازار، یک موتور پیش‌بینی نمی‌تواند به تنهایی تمامی الگوهای مختلف موجود در سیگنال قیمت را شناسایی و مدل نمایند. بنابراین، جهت افزایش صحت پیش بینی‌ها، این مقاله یک روش هیبرید کننده ارائه می‌دهد تا بتواند از به صورت همزمان از مزیت‌های چند موتور پیش‌بین استفاده نماید. در روش پیشنهادی سه موتور پیش‌بین مقدماتی پیش‌بینی‌هایی مستقل از قیمت بازار برق ارائه می‌دهند. سه موتور پیش‌بینی مقدماتی استفاده شده در این مقاله عبارتند از: شبکه‌های عصبی مصنوعی چند لایه، سیستم استنتاج تطبیقی فازی-عصبی (ANFIS) و روش میانگین متحرک خودگردان (ARMA). سپس یک الگوریتم ترکیب اطلاعات جدید ارائه شده است که این سه پیش‌بینی مستقل را با یکدیگر ترکیب نموده تا یک پیش‌بینی واحد از قیمت برق ارائه نماید. روش پیشنهادی از میزان خطای گذشته موتورهای پیش‌بین مقدماتی بازخورد گرفته تا میزان تاثیر آن‌ها را در پیش‌بینی نهایی تنظیم نماید. روش پیشنهادی بر روی داده‌های قیمت بازار اسپانیا اعمال شده اند تا کارایی آن ارزیابی شود. نتایج نشان می‌دهد که روش پیشنهادی می‌تواند پیش بینی‌هایی ارائه دهد که از هرکدام از پیش بینی‌های موتورهای مقدماتی بهتر است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A new forecast engine based on data fusion for electricity price forecasting
چکیده انگلیسی مقاله In restructured electricity markets, accurate price forecasting plays an important role for all market participants. Due to the complexity and distinct nature of the electricity price, a single forecast engine cannot capture and model all different patterns in price signals. As a result, to improve forecast accuracies, this paper proposes a hybrid method to use advantages of several forecast engines simultaneously. In the proposed method, three primary engines, artificial neural networks (ANN), adaptive neuro-fuzzy inference systems (ANFIS), and autoregressive moving average (ARMA), provides three independent forecasts of the price. Then, a new fusion algorithm combines these three forecasts to obtain a unified single price forecast. The proposed method obtains feedback from previous error of the primary forecast engines to adjust their effect on the final forecast. The proposed method is evaluated using price data of Spanish electricity market. Results indicate that the proposed method outperform each primary forecasting engine.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علی درودی | ali darudi
professor javidi amp;apos;s laboratory - engineering faculty - ferdowsi university of mashhad - azadi square - mashhad
مشهد-میدان آزادی - دانشگاه فردوسی مشهد - دانشکده مهندسی - آزمایشگاه تجدید ساختار
سازمان اصلی تایید شده: دانشگاه فردوسی (Ferdowsi university)

مسعود بشری | masoud bashari
professor javidi amp;apos;s laboratory - engineering faculty - ferdowsi university of mashhad - azadi square - mashhad
مشهد-میدان آزادی - دانشگاه فردوسی مشهد - دانشکده مهندسی - آزمایشگاه تجدید ساختار
سازمان اصلی تایید شده: دانشگاه فردوسی (Ferdowsi university)

محمد حسین جاویدی دشت بیاض | mohammad hossein javidi
professor javidi amp;apos;s laboratory - engineering faculty - ferdowsi university of mashhad - azadi square - mashhad
مشهد-میدان آزادی - دانشگاه فردوسی مشهد - دانشکده مهندسی - آزمایشگاه تجدید ساختار
سازمان اصلی تایید شده: دانشگاه فردوسی (Ferdowsi university)

نشانی اینترنتی http://ieijqp.ir/browse.php?a_code=A-10-353-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1533/article-1533-254297.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