پیش‌بینی کوتاه‌مدت بار الکتریکی با استفاده از مدل‌های خاکستری بهبودیافته مبتنی بر تکرار

Abstract

با افزایش تقاضای مصرف انرژی الکتریکی، شناسایی روند تغییرات بار از مسائل حائز اهمیت در شبکه‌های برق می‌باشد. در این میان پیش‌بینی کوتاه‌مدت بار برای اطمینان از تأمین تقاضا و امنیت شبکه یکی از حیاتی‌ترین مباحث در مدیریت فنی و اقتصادی صنعت برق به‌شمار می‌آید. تاکنون روش‌های متعددی با دقت‌های متفاوت به‌منظور مدل‌سازی و پیش‌بینی بار در کوتاه‌مدت ارائه شده است. اکثر این روش‌ها از تعداد داده‌های زیاد و پارامترهایی غیر از متغیر پیش‌بینی استفاده می‌کنند. در این مقاله، مدل خاکستری و مدل خاکستری غلتان که می‌تواند با استفاده از تعداد داده‌های کم و با دقت بالا برای مدل‌سازی و پیش‌بینی سری زمانی استفاده شود، بهبود داده شده است. برای افزایش دقت مدل‌های پیشنهادی، روش اصلاح باقی‌مانده به‌روش فوریه به‌کار گرفته شده است. علاوه بر این، عملکرد روش‌های پیشنهادی با چهار روش دیگر با اعمال آنها به شبکه‌های ایران و نیواینگلند مقایسه شده است. چندین تعریف خطا به‌عنوان معیارهای توانایی و دقت انتخاب‌شده و حساسیت روش‌های پیشنهادی به تعداد داده‌های مورد نیاز و اندازه گام پیش‌بینی بررسی شده است. نتایج شبیه‌سازی عملکرد و دقت بالای مدل‌های پیشنهادی در مدل‌سازی و پیش‌بینی بار را نشان می‌دهد.