Please use this identifier to cite or link to this item:
http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/13857
Title: | Βραχυπροθεσμη Προβλεψη Φορτιου Με Χρηση Νευρωνικων Δικτυων Και Ασαφους Λογικης |
Authors: | Εμμανουήλ Μ. Βουμβουλάκης Χατζηαργυρίου Νικόλαος |
Keywords: | τεχνητά νευρωνικά δίκτυα ασαφής λογική πρόβλεψη βραχυπρόθεσμη νευροασαφή δίκτυα χρονοσειρές σύστημα ηλεκτρικής ενέργειας |
Issue Date: | 21-Jul-2003 |
Abstract: | Αντικείμενο της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη δύο μοντέλων βραχυπρόθεσμης πρόβλεψης φορτίου. Το πρώτο μοντέλο χρησιμοποιεί τις αρχές των τεχνητών νευρωνικών δικτύων , ενώ το δεύτερο μοντέλο πρόβλεψης βασίζεται στις αρχές της ασαφούς λογικής και χρησιμοποιεί το νευρoασαφές σύστημα ANFIS (Adaptive neuro-fuzzy inference system).Η πρόβλεψη του φορτίου είναι μια από τις κύριες λειτουργίες ενός συστήματος ενέργειας. Το κίνητρο για ακριβείς προβλέψεις έγκειται στη φύση του ηλεκτρισμού ως αγαθού και εμπορικού αντικειμένου. Ο ηλεκτρισμός δεν μπορεί να αποθηκευθεί , πράγμα το οποίο σημαίνει ότι για μια επιχείρηση ηλεκτρικής ενέργειας , η εκτίμηση της μελλοντικής ζήτησης είναι απαραίτητη για την οργάνωση της παραγωγής με οικονομικά βέλτιστο τρόπο.Το πρώτο μοντέλο πρόβλεψης βασίζεται στις τεχνικές των νευρωνικών δικτύων. Η ελκυστικότητα των μεθόδων αυτών έγκειται στο γεγονός ότι τα νευρωνικά δίκτυα είναι ικανά να μαθαίνουν τις ιδιότητες της καμπύλης του φορτίου, που διαφορετικά θα ήταν δύσκολο να ανακαλυφθούν.Στην παρούσα εργασία προτείνεται μια παράλληλη διαδικασία πρόβλεψης , όπου χρησιμοποιούνται 24 μπλοκ νευρωνικών δικτύων με μια έξοδο και εκπαιδεύονται χωριστά ώστε να παρέχουν προβλέψεις με ορίζοντα 24 ωρών. Κάθε μπλοκ τροφοδοτεί με την έξοδό του όλα τα επόμενα. Τα μπλοκ αυτά είναι πολυεπίπεδα perceptrons με ένα κρυμμένο στρώμα και 3 κρυφούς νευρώνες.Η ιδέα πίσω από τη χρήση των πολυεπίπεδων perceptrons είναι απλή: υποθέτουμε ότι το μελλοντικό φορτίο εξαρτάται από τις παρελθούσες τιμές φορτίου και από εξωτερικούς παράγοντες , και μέσω των πολυεπίπεδων perceptrons προσπαθούμε να προσεγγίσουμε αυτή την εξάρτηση.Η εφαρμογή του πρώτου μοντέλου για το έτος 1999 στο αυτόνομο σύστημα ηλεκτρικής ενέργειας της Κρήτης έδωσε μέσο απόλυτο ποσοστιαίο σφάλμα πρόβλεψης 1.48% για ορίζοντα 1 ώρα μπροστά και 3.67% για πρόβλεψη 24 ωρών μπροστά.Το δεύτερο μοντέλο πρόβλεψης βασίζεται στις αρχές της ασαφούς λογικής και χρησιμοποιεί το νευρoασαφές σύστημα ANFIS. Τα ασαφή συστήματα είναι δημοφιλή υπολογιστικά πλαίσια και βασίζονται στις αρχές της θεωρίας των ασαφών συνόλων , στους ασαφείς κανόνες «αν -τότε» και την ασαφή συλλογιστική.Το ακρωνύμιο ANFIS προέρχεται από τις λέξεις adaptive neuro-fuzzy inference system. Χρησιμοποιώντας ένα σύνολο εισόδων / επιθυμητών εξόδων , κατασκευάζουμε ένα σύστημα ασαφούς συλλογιστικής στο οποίο οι παράμετροι των συναρτήσεων συμμετοχής προσαρμόζονται μέσα από τη διαδικασία της μάθησης , χρησιμοποιώντας είτε τον αλγόριθμο της προς τα πίσω διάδοσης του σφάλματος , ή συνδυασμό αυτού του αλγορίθμου με τη μέθοδο των ελαχίστων τετραγώνων. Το μοντέλο αποτελείται από 24 μπλοκ με μια έξοδο, που εκπαιδεύονται χωριστά για να παράγουν τις προβλέψεις φορτίου για τις επόμενες 24 ώρες. Κάθε μπλοκ ANFIS τροφοδοτεί με την έξοδό του τις επόμενες τρεις βαθμίδες.Η εφαρμογή του δεύτερου μοντέλου για το έτος 1999 στο αυτόνομο σύστημα ηλεκτρικής ενέργειας της Κρήτης έδωσε μέσο απόλυτο ποσοστιαίο σφάλμα πρόβλεψης 1.36% για ορίζοντα 1 ώρα μπροστά και 4.01% για πρόβλεψη 24 ωρών μπροστά. |
URI: | http://artemis-new.cslab.ece.ntua.gr:8080/jspui/handle/123456789/13857 |
Appears in Collections: | Διπλωματικές Εργασίες - Theses |
Files in This Item:
File | Size | Format | |
---|---|---|---|
DT2003-0081.doc | 34.94 MB | Microsoft Word | View/Open |
Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.