| dc.contributor.author | گنجوری, مهتاب | fa_IR |
| dc.contributor.author | معطری, مزدا | fa_IR |
| dc.contributor.author | فروزان تبار, احمد | fa_IR |
| dc.contributor.author | آزادی, محمد | fa_IR |
| dc.date.accessioned | 1402-06-13T19:22:44Z | fa_IR |
| dc.date.accessioned | 2023-09-04T19:22:45Z | |
| dc.date.available | 1402-06-13T19:22:44Z | fa_IR |
| dc.date.available | 2023-09-04T19:22:45Z | |
| dc.date.issued | 2023-08-01 | en_US |
| dc.date.issued | 1402-05-10 | fa_IR |
| dc.identifier.citation | گنجوری, مهتاب, معطری, مزدا, فروزان تبار, احمد, آزادی, محمد. (1402). طراحی شبکه باقی مانده عصبی عمیق چند سطحی برای پیش بینی کوتاه مدت بارهای الکتریکی در سیستم های قدرت. نشریه کیفیت و بهره وری صنعت برق ایران, 12(2), 1-11. | fa_IR |
| dc.identifier.issn | 2322-2344 | |
| dc.identifier.issn | 10 | |
| dc.identifier.uri | http://ieijqp.ir/article-1-913-fa.html | |
| dc.identifier.uri | https://iranjournals.nlai.ir/handle/123456789/1033684 | |
| dc.description.abstract | برای برقراری تعادل تولید - مصرف، طراحی یک روش که اطلاعات اولیه را برای بار مصرفی در ساعات آتی با سطح دقت و قابلیت اطمینان مطلوبی ضروری می‌باشد. مسئله‌ی پیش‌بینی بار با ظهور مفاهیم جدید در شبکه‌های برق و تجدید ساختار سیستم‌های قدرت روز به روز پیچیده‌تر می‌شود. این مقاله یک شبکه باقی‌مانده عصبی را برای پیش بینی با دقت بالای بارهای الکتریکی پیشنهاد می‌کند. در شبکه‌ی طراحی شده با ترکیب دو شبکه‌ی باقی‌مانده عمیق قدرتمند توانایی یادگیری ارتقا یافته و همچنین از مشکلاتی همچون بیش برازش وکاهش/افزایش گرادیان جلوگیری شده است. همچنین، برای یادگیری کامل مشخصات زمانی و مکانی، شبکه‌ی عصبی کانولوشنی (CNN) و واحد بازگشتی حافظه‌دار (GRU) ترکیب شده و در ساختار چندسطحی باقی‌مانده ادغام شده است. تحلیل‌ها فصلی و تحقیق بر روی چندین مورد مختلف با استفاده از داده‌های بار مصرفی واقعی در شهر شیراز، ایران موثر بودن روش را تایید می‌کند و برتری روش پیشنهاد از طریق مقایسه با روش‌های پیشین نشان داده شده است. | fa_IR |
| dc.format.extent | 712 | |
| dc.format.mimetype | application/pdf | |
| dc.language | فارسی | |
| dc.language.iso | fa_IR | |
| dc.publisher | انجمن مهندسی بهره وری صنعت برق ایران | fa_IR |
| dc.relation.ispartof | نشریه کیفیت و بهره وری صنعت برق ایران | fa_IR |
| dc.relation.ispartof | Iranian Electric Industry Journal of Quality and Productivity | en_US |
| dc.subject | پیش‌بینی کوتاه مدت بار | fa_IR |
| dc.subject | شبکه‌ی عصبی باقی‌مانده عمیق چند سطحی | fa_IR |
| dc.subject | شبکه بازگشتی حافظه‌دار | fa_IR |
| dc.subject | شبکه‌ی عصبی کانولوشنی | fa_IR |
| dc.subject | برق و کامپیوتر | fa_IR |
| dc.title | طراحی شبکه باقی مانده عصبی عمیق چند سطحی برای پیش بینی کوتاه مدت بارهای الکتریکی در سیستم های قدرت | fa_IR |
| dc.type | Text | en_US |
| dc.type | پژوهشي | fa_IR |
| dc.contributor.department | دانشکده مهندسی برق، واحد مرودشت، دانشگاه آزاد اسلامی، مرودشت، ایران | fa_IR |
| dc.contributor.department | دانشکده مهندسی برق، واحد مرودشت، دانشگاه آزاد اسلامی، مرودشت، ایران | fa_IR |
| dc.contributor.department | دانشکده مهندسی برق، واحد مرودشت، دانشگاه آزاد اسلامی، مرودشت، ایران | fa_IR |
| dc.contributor.department | مرکز تحقیقات مکاترونیک و هوش مصنوعی، واحد مرودشت، دانشگاه آزاد اسلامی، مرودشت، ایران | fa_IR |
| dc.citation.volume | 12 | |
| dc.citation.issue | 2 | |
| dc.citation.spage | 1 | |
| dc.citation.epage | 11 | |
