ترجمه مقاله برنامه ریزی دراز مدت بار صنعتی با تکنیک شبکه های عصبی و روش واسط فازی - نشریه IEEE

ترجمه مقاله برنامه ریزی دراز مدت بار صنعتی با تکنیک شبکه های عصبی و روش واسط فازی - نشریه IEEE
قیمت خرید این محصول
۲۴,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
پیش بینی و برنامه ریزی دراز مدت بار صنعتی با استفاده از تکنیک شبکه های عصبی و روش واسط فازی
عنوان انگلیسی
LONG - TERM INDUSTRIAL LOAD FORECASTING AND PLANNING USING NEURAL NETWORKS TECHNIQUE AND FUZZY INFERENCE METHOD
صفحات مقاله فارسی
9
صفحات مقاله انگلیسی
5
سال انتشار
2004
نشریه
آی تریپل ای - IEEE
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
6992
وضعیت ترجمه عناوین تصاویر
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر
ترجمه نشده است
رشته های مرتبط با این مقاله
مهندسی برق
گرایش های مرتبط با این مقاله
تولید، انتقال و توزیع، مکاترونیک و سیستم های قدرت
دانشگاه
دانشگاه زاگازیگ، مصر
فهرست مطالب
چکیده
1. مقدمه
2.راه کار پیش بینی
2.1 برنامه ی کاربردی ANN در مدلهای پیش بینی
2.2 برنامه ی کاربردی مدلهای منطق فازی
3. برنامه های کاربردی عملی
4.نتایج
5.نتیجه گیری ها
نمونه چکیده متن اصلی انگلیسی
ABSTRACT

Load forecasting plays a dominant part in the economic optimization and secure operation of electric power systems. The plans of the electric power sector have been done and developed with the aid of statistical prediction methods. Electric utiiity companies need monthly peak and yearly load forecasting for budget planning, maintenance scheduling and fuel management. This paper presents a new approach based on a hybrid fuzzy neural technique which combines artificial neural network and fuzzy logic modeling for long term industrial load forecasting in electrical power systems, An extensive study is carried out to find the accurate forecasting model through an application on an industrial IO th of Ramadan city in Egypt. Actual record data is used to test the proposed method. A large number of influencing factors have been examined and tested. This paper presents a fully developed system for the prediction of electric maximum demand and consumption for the future 24 months. Also very long-term load forecasting was carried. The strength of this technique lies in its ability to reduce appreciable computational time and its comparable accuracy with other modeling techniques. The outcomes of the study clearly indicate that the proposed composite model of neural network technique and fuzzy inference method can be used as attractive and effective means for the industrial monthly and yearly peak load forecasting. The test results showed very accurate forecasting with the average percentage relative error of 1.98 %.

نمونه چکیده ترجمه متن فارسی
چکیده
پیش بینی بار، بخش برجسته ای را در بهینه سازی اقتصادی و عملیات امن سیستم های نیروی برق ایفا میکند.برنامه های بخش توان برقی ،انجام شده اند و با کمک روش های پیش بینی آماری، توسعه یافته اند.شرکتهای صنایع همگانی برق نیاز به پیش بینی بار پیک ماهانه و سالانه برای برنامه ریزی بودجه، زمانبندی نگهداری و مدیریت سوخت، دارند.این مقاله یک دستاورد جدید را بر مبنای یک تکنیک عصبی فازی هیبریدی ارائه میدهد که شبکه ی عصبی مصنوعی و مدلسازی منطق فازی را برای پیش بینی بار صنعتی دراز مدت در سیستم های توان برقی ترکیب میکند.یک مطالعه ی گسترده برای یافتن مدل پیش بینی صحیح از طریق یک برنامه کاربردی (اپلیکیشن) بر روی دهمین شهر صنعتی رمضان در مصر، انجام میگیرد.داده های ثبت واقعی برای محک زدن روش ارائه شده بکار میروند.شمار زیادی از عوامل موثر ،بررسی و تست شده اند.این مقاله، یک سیستم کاملا توسعه یافته را برای پیش بینی بیشترین تقاضای برق و مصرف برای 24 ماه آینده، ارائه میدهد.هم چنین پیش بینی بار بسیار دراز مدت، انجام گرفت.قدرت این تکنیک در توان خود برای کاهش زمان محاسباتی قابل ارزیابی است و ظرفیت قابل قیاس آن با سایر تکنیک های مدلسازی نهفته است.پیامدهای این مطالعه، به طور آشکار بیانگر این است که مدل ترکیبی ارائه شده از تکنیک شبکه ی عصبی و روش استنباط فازی، میتواند به عنوان راه های جذاب و موثر برای پیش بینی بار پیک ماهانه و سالانه ی صنعتی بکار رود.نتایج این تست، پیش بینی بسیار دقیقی را با درصد متوسط خطای نسبی 1.98% نشان داد.

بدون دیدگاه