تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله بررسی تکنیک های پیش بینی قیمت کوتاه مدت برق در بازارهای آزاد برق – نشریه IEEE

عنوان فارسی: بررسی تکنیک های پیش بینی قیمت کوتاه مدت برق در بازارهای آزاد برق
عنوان انگلیسی: A Review of Short-term Electricity Price Forecasting Techniques in Deregulated Electricity Markets
تعداد صفحات مقاله انگلیسی : 5 تعداد صفحات ترجمه فارسی : 10
سال انتشار : 2010 نشریه : آی تریپل ای - IEEE
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 7574 رفرنس : دارد
محتوای فایل : zip حجم فایل : 2.70Mb
رشته های مرتبط با این مقاله: مهندسی برق و علوم اقتصادی
گرایش های مرتبط با این مقاله: تولید، انتقال و توزیع، سیستم های قدرت و برق قدرت
مجله: مقالات کنفرانس مهندسی برق دانشگاههای بین المللی
دانشگاه: دانشگاه برونئی، بریتانیا
کلمات کلیدی: قیمت کوتاه مدت برق، تکنیک های پیش بینی، ANN، ARIMA؛ LSSVM، مدل های ترکیبی
وضعیت ترجمه عناوین تصاویر: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر: ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

I. مقدمه

II. عوامل موثر بر قیمت برق

III. طبقه بندی روش های پیش بینی

IV. روش پیش بینی

A. شبکه های عصبی مصنوعی (ANNs)

B. مدل میانگین سیـــــار یا متحرک خودبرگشتی یکپارچـــــه یا تجمعی (ARIMA)

C. دستگاه بردار پشتیبان حداقل مربعات (LSSVM)

D. مدل ترکیبی

E. معیار صحت و دقت

V. نتیجه گیری

نمونه متن انگلیسی

Abstract

8hort-term electricity price forecasting has become a crucial issue in the power markets, since it forms the basis of maximising profits for the market participants. This paper presents an extensive review of the established approaches to electricity price forecasting. It summarizes the influencing factors of price behaviour and proposes an extended taxonomy of price forecasting methods. Through the comparison of different approaches, such as Artificial Neural Networks (ANNs), Auto Regressive Integrated Moving Average Models (ARIMA) and Least Square Support Vector Machine (LSSVM), the hybrid methods that combine different models in order to offset the inherent weakness of individual models are highlighted with regard to the future trend of electricity price forecasting methodology.

نمونه متن ترجمه

چکیده

پیش بینی قیمت کوتاه مدت برق تبدیل به یک مسئله بسیار مهم در بازارهای قدرت (برق) گشته است، چرا که این مساله مبنای به حداکثر رساندن سود را برای شرکت کنندگان در بازار شکل می دهد. این مقاله به ارائه یک بررسی گسترده درباره رویکردهای مطرح مربوط به پیش بینی قیمت برق می پردازد. این مقالــــه عوامل تاثیرگذار بر رفتــــار قیمت را به طور خلاصه مورد بررسی قرار داده و رده بندی گسترده ای را از روش های پیش بینی قیمت پیشنهاد می کند. از طریق مقایسه رویکردهای مختلف، از جمله شبکه های عصبی مصنوعی (ANN ها)، مدل های میانگین سیـــــار یا متحرک خودبرگشتی یکپارچـــــه یا تجمعی (ARIMA) و ماشین بردار پشتیبانی حداقل مربعات (LSSVM)، روش های هیبریدی یا ترکیبی هستند که مدل های مختلف را به منظور جبران نقاط ضعف ذاتی مدل های منحصر به فرد، با توجه به روند آتی متدولوژی پیش بینی قیمت برق برجسته هستند، ترکیب می نماید.