دانلود پایان نامه پیش بینی قیمت بازار برق با استفاده از شبکه های عصبی

اختصاصی از کوشا فایل دانلود پایان نامه پیش بینی قیمت بازار برق با استفاده از شبکه های عصبی دانلود با لینک مستقیم و پرسرعت .

پیش بینی قیمت بازار برق با استفاده از شبکه های عصبی

لینک پرداخت و دانلود *پایین مطلب* 

فرمت فایل:PDF

تعداد صفحه:105

پایان نامه برای دریافت درجه کارشناسی ارشد “M.SC”

مهندسی برق - قدرت

فهرست مطالب :

چکیده 1
مقدمه 2
فصل اول : کلیات 3
1-1 ) هدف 4
2-1 ) فاکتورهای تاثیر گذار بر قیمت 6
3-1 ) فرار بودن قیمت 7
4-1 ) انواع پیش بینی قیمت 8
5-1 ) انوع کاربران پیش بینی قیمت 9
6-1 ) روشهای سنتی برای حل مساله پیش بینی کوتاه مدت قیمت 11
1-6-1 ) مدل سری های زمانی 11
2-6-1 ) مدل رگرسیون 14
3-6-1 ) سیستم های هوشمند 14
7-1 ) ساختار پایان نامه 15
فصل دوم : مقدمه ای بر شبکه عصبی و الگوریتم ژنتیک 16
1-2 ) شبکه عصبی 17
2-2 ) ساختار شبکه عصبی مصنوعی 19
3-2 ) شبکه پرسپترون چند لایه 23
4-2 ) فرایند یارگیری 24
1-4-2 ) الگوریتم پس انتشار 26
2-4-2 ) الگوریتم پس انتشار ارتجاعی 32
5-2 ) کاربرد شبکه عصبی مصنوعی در سیستم های قدرت 33
6-2 ) الگوریتم ژنتیک 35
7-2 ) ساختار الگوریتم ژنتیک 37
1-7-2 ) افراد یا کروموزوم ها 34
2-7-2 ) جمعیت 37
3-7-2 ) کد گذاری کروموزوم ها 38
4-7-2 ) تعیین جمعت اولیه 39
5-7-2 ) تابع هدف 39
6-7-2 ) انتخاب 40
7-7-2 ) تقاطع 42
8-7-2 ) جهش 44
9-7-2 ) اعمال قیود در بهینه سازی 44
فصل سوم : طراحی شبکه عصبی بهینه شده توسط الگوریتم ژنتیک 46
الف) شبکه بدون اجرای الگوریتم ژنتیک 47
1-3 ) مقدمه 47
2-3 ) بازار برق نوردیک 48
3-3 ) طراحی شبکه عصبی 52
4-3 ) درصد خطای مطلق 57
5-3 ) حد بالای قیمت 59
6-3 ) تعداد نرونهای لایه پنهان 61
7-3 ) رابطه بار با قیمت 62
8-3 ) اصلاح داده ها جهت آموزش 66
ب) بهینه سازی شبکه عصبی مصنوعی توسط الگوریتم ژنتیک 70
9-3 ) تعیین نرونهای لایه پنهان با استفاده از الگوریتم ژنتیک 70
10-3 )شبیه سازی و ابزار آن 74
فصل چهارم:مقایسه روش رگرسیونی با شبکه عصبی بهینه شده با الگوریتم ژنتیک 76
1-4 )مقدمه 77
2-4 ) تحلیل رگرسیونی 77
فصل پنجم : نتیجه گیری و پیشنهادات 80
نتیجه گیری 81
پیشنهادات 82
84 پیوست 1
86 پیوست 2
مراجع فارسی 87
مراجع انگلیسی 88
سایت های اطلاع رسانی 89
چکیده انگلیسی 90

چکیده :

امروزه بازار برق در جهان به صورت علمی شناخته شده می باشد و رقابت در آن هر روز بیشتر از قبل
می شود. در این میان پیش بینی قیمت و ابزار آن به شرکت کنندگان بازار در بدست آوردن سود هرچه
بیشتر کمک شایانی می کند. هدف این پایان نامه گسترش شبکه عصبی و بهینه سازی آن توسط الگوریتم
ژنتیک برای پیش بینی قیمت بازار برق است تا بر دقت هر چه بیشتر این مساله بیافزاید. از آنجا که در
مدلهای سنتی و همچنین مدل شبکه های عصبی همواره از روشهای احتمالاتی جهت افزایش دقت پیش
بینی استفاده می شود در این مدل سعی شده تا با ارائه روشی جدید از این موارد صرف نظر کرد تا وقت
کمتری برای پیش بینی گرفته شود. یکی از مضوعاتی که همواره دقت پیش بینی را تحت تاثیر قرار می
دهد وجود موارد بحرانی و ناگهانی در سیستم است که در این پایان نامه با استفاده از روشهای کارآمد این
مسائل را کنترل خواهیم کرد. در مدل پیشنهاد شده از اطلاعات بازار برق نوردیک استفاده شده است اما
بدیهی است که مدل مزبور برای هر بازار دیگری قابل استفاده می باشد. در پایان برای نشان دادن دقت
پیش بینی مدل پیشنهادی، مقایسه ای بین آن و یکی از روشهای سنتی انجام شده است.

نگرانی اصلی هر صنعت الکتریکی توانایی تولید قابل اطمینان و خدمت رسانی بدون وقفه به مصرف
کنندگان خود است. برخلاف دیگر کالاها، انرژی الکتریکی به دلیل ماهیت طبیعی خود، به محض تولید
باید مصرف شود که در غیر این صورت بابت تولید،تولید کننده پولی دریافت نمی کند. بنابراین ایجاد طرح
منابع مؤثر و مطمئن امری ضروری است. عملکردهایی مانند تعیین قیمت سوخت، برنامه ریزی ورود و
خروج واحدهای تولیدی 1 ، همانند برنامه ریزی تعمیرات، باید تا حد امکان جهت کم کردن هزینه عملکرد
سیستم، انجام شود.
چالش ها هنگام تجدید ساختار صنعت برق بسیار بااهمیت تر می شود. انتظار می رود که با تجدید
سازمان یافتن صنعت برق راندمان بالا رود و رقابت جهت سوددهی به مصرف کننده افزایش یابد. در
گذشته اغلب تولیدکنندگان انرژی مالک منابع تولید، انتقال و توزیع بودند. صنایع مجبور بودند با وجود
راندمان پایین پول انرژی را بدهند که این موضوع موجب تولید کم بازده، سیاست قیمت گذاری نامعقول و
فراوانی نیروی انسانی می شد. با ایجاد بازار آزاد انرژی، دیگر شرکتهای تولید کننده و توزیع برق قادر به
انحصار قیمتها و وادار کردن مصرف کننده به پرداخت بهای انرژی، حال هر چه که می خواهد باشد،
نیستند و تأکید اساسی بر روی پیش بینی کوتاه مدت بار وپیش بینی کوتاه مدت قیمت به عنوان اطلاعات
اساسی برای طراحی سیستم و بهره برداری از آن به همین جهت می باشد.

و...

NikoFile

پیش بینی بار سیستم های توزیع انرژی

اختصاصی از کوشا فایل پیش بینی بار سیستم های توزیع انرژی دانلود با لینک مستقیم و پرسرعت .

پیش بینی بار سیستم های توزیع انرژی

175 صفحه در قالب word

به همراه 131 اسلاید آماده در قالب پاورپوینت

1-1 مقدمه کلی و تاریخچه 

پیش بینی بار یک فرایند مرکزی و جامع در برنامه ریزی و بهره برداری صنعت برق بوده است. روشهای برخورد زیادی در دو دهه اخیر برای به کارگیری این مسئله تحقیق و بررسی شده اند.این روشها اغلب ماهیتا با هم تفاوت داشته و به نظریات مختلف مهندسی و تحلیل های اقتصادی پاسخ می دهند.

یکی از مراحل مهم در طراحی سیستمهای توزیع انرژی الکتریکی پیش بینی بار و سیر تغییرات آن از زمان حال تا پایان سال مورد نیاز برای طراحی می باشد.پیش بینی بار صحیح علاوه بر صرفه جویی در هزینه های سرمایه گذاری، امکان برنامه ریزی زمانی مناسب جهت اجرای پروژه را نیز فراهم می نماید.(طراحی دینامیک).  در کشورهای پیشرفته و در حال توسعه، برنامه های اقتصادی میان مدت و بلند مدتی به منظور رسیدن به اهداف اقتصادی و اجتماعی ان کشورها طرح ریزی می شود.یکی از شاخه های برنامه های اقتصادی، پیش بینی مصرف انرژی و شاخه فرعی ان ، پیش بینی مصرف انرژی الکتریکی است.

با پیش بینی مصرف انرژی الکتریکی می توان اطلاعات کافی برای طراحی و توسعه شبکه های توزیع تهیه کرد. این پیش بینی به منظور تحلیل نیازهای اینده و برنامه ریزی در باره محل ،ظرفیت و وابستگی فیدرها، پست های اصلی و پست های فرعی ، مورد نیاز است.

پیش بینی مصرف انرژی الکتریکی با اعمال ضریب بار به پیش بینی بار پیک تبدیل می شود. تا جهت طراحی اجزاء مختلف سیستمهای تولید ، انتقال و توزیع انرژی الکتریکی استفاده می شود

گروه کاری پیش بینی بار IEEE در دو فاز فهرست مستندی در مورد پیش بینی بار منتشر کرده است.فهرست اول(فاز 1)فلسفه های کلی پیش بینی بار را پوشش داده است،و فهرست دوم(فاز2) روی موضوعات اقتصادی پیش بینی بار تمرکز دارد.آخرین بررسی بوسیلهGross وGaliana در1987 گزارش می شود که در این گزارش نویسندگان روشهای مختلف پیش بینی بار کوتاه مدت را بررسی کرده اند. که بعضی از روشها پیشنهادی بوده و بعضی نیز هم اکنون مورد استفاده می باشند. انتشارات دیگری نیز وجود دارند که مسئله پیش بینی بار را بررسی نموده اند. یکی از اینها کار آقای Bunn است که روندهای پیش بینی بار کوتاه مدت را در صنعت تولید برق مورد ارزیابی قرار داده است.در یک کار دیگرآقایBunnوFarmer به بررسی و بحث در روشهایی از پیش بینی پرداخته اند که در صنعت برق به کار برده می شوند.کار دیگری توسط آقایFields انجام شده که مدلهای تحقیقاتی پیش بینی کمی را در بر گرفته است در پیش بینی بار تکنیکهای مختلفی برای مسئله پیش بینی روزانه بار به کار گرفته شده است.تقریبا کلیه این تکنیک ها از روشهای آماری استفاده کرده اند،اما امروزه روشهای پیشرفته تری وجود دارند

که با استفاده از سیستم های خبره(مبتنی بر دانش)مسئله پیش  بینی بار را انجام می دهند.

1-2 اهداف پروژه

بررسی اهمیت پیش بینی بار سیستم های توزیع انرژی

مزایا و نتایج حاصل از  پیش بینی صحیح بار در سیستم های توزیع انرژی

معرفی و مقایسه روشهای مختلف پیش بینی بار سیستم های توزیع انرژی

ارائه روش های نوین و کارا در پیش بینی بار سیستم های توزیع انرژی

پیشنهاد یک روش جدید در پیش بینی بار سیستم های توزیع انرژی مبتنی بر منطق فازی و شبکه های عصبی

1-3 تقسیم بندی زمانی  پیش بینی بار

انرژی الکتریکی در مقیاس وسیع به طور اقتصادی قابل ذخیره نمی‌باشد. بدین دلیل بر خلاف شاخه‌‌های دیگر اقتصاد، در اقتصاد الکتریسیته باید همزمان با مصرف, انرژی تولید گردد. میزان مصرف با الکتریکی ثابت نمی‌باشد بلکه تصوری پیچیده و غیرخطی تابعی از پارامترهای متعددی می‌باشد. با توجه به متغیر بودن میزان مصرف بار الکتریکی، شرکتهای تولید کننده برق، موظفند با پیش‌بینی آن در زمان بندی‌های مختلف اطلاعات مورد نیاز برای تصمیم گیریهای خود در سیستم قدرت را حاصل نمایند.

بطور کلی پیش بینی بار بر اساس دوره پیش‌بینی به دسته‌هایی تقسیم می‌شود

• بلند مدت (5 تا 30 سال)، پیش‌بینی آماری اقتصادی که نقش اصلی در برنامه ریزی اقتصادی ظرفیت تولید و شبکه‌های انتقال دارد.
• میان مدت (1 ماه تا 5 سال) ، که به طور عمده برای برنامه‌ریزی سوخت مصرفی، برنامه ریزی تعمیرات و نگهداری، برنامه‌های مالی و تعرفه بندی بکار می‌رود.
• کوتاه مدت (1 روز تا چندین هفته) , برای برنامه‌ریزی روزانه و هفتگی، در مدار قرار گرفتن بهینه نیروگاهها (بهینه سازی ولتاژ – توان راکتیو، برنا‌مه‌ریزی برای انرژی رزرو مورد نیاز, زمان بهره‌برداری از نیروگاههای پمپ ذخیره‌ای ) و تبادل انرژی الکتریکی با شرکا استفاده میشود.
• بسیار کوتاه مدت (چند دقیقه تا چندین ساعت) ، که اطلاعات مورد نیاز در پخش بار اقتصادی و تخمین اطمینان را تامین می‌نماید. همچنین پیش‌بینی بسیار کوتاه مدت (چند دقیقه تا چندین ساعت)، برای زمانبندی تعویض قدرت بین شرکت‌ها و مطالعه تحمیلات انتقال مفید می‌باشد.

پیش بینی کوتاه مدت بار که در آن بار یک روز تا یک هفته آینده به صورت ساعتی پیش بینی می شود معیار مهمی در برنامه ریزی جهت بهره برداری از شبکه های قدرت می باشد.

تعیین زمان حداکثر بار و آمادگی قبلی برای زمانهای بحرانی شبکه، مطالعات پخش بار، مطالعات قابلیت اطمینان سیستم، برنامه ریزی برای سرویس شبکه و حتی بهره برداری اقتصادی از شبکه های تولید و انتقال همگی در گرو پیش بینی بار ساعتی میان مدت می باشد

1-4 مرور روشهای پیش بینی بار سیستم های توزیع انرژی

روشهای مختلف برای پیش بینی بار سیستم های توزیع انرژی وجود دارد که می توان موارد زیر را نام برد

1- پیش بینی بار  با رگرسیون خطی

2- پیش بینی بار با سریهای زمانی آماری.

3- پیش بینی بار با  اکسپونانسیل عمومی.

4- پیش بینی بار با  کاربری ارضی

5- پیش بینی بار با شبکه های عصبی

6- پیش بینی بار با  منطق فازی.

1-4-1 پیش بینی بار با  روش رگرسیون خطی چندمتغیره(MLR):

در روش رگرسیون خطی چند متغیره(MLR)بار بر حسب متغیرهای توصیفی خود مثل متغیر آب و هوا ومتغیرهای غیر آب و هوایی که بر بار الکتریکی تاثیر می گذارد تعریف می شود.

ممکن است هنگام انتقال از فایل ورد به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است

متن کامل را می توانید در ادامه دانلود نمائید

چون فقط تکه هایی از متن برای نمونه در این صفحه درج شده است ولی در فایل دانلودی متن کامل همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند موجود است

کاربرد 4 - HDM در پیش بینی وضعیت روسازی و استفاده از آن درسیستم مدیریت روسازی راه

اختصاصی از کوشا فایل کاربرد 4 - HDM در پیش بینی وضعیت روسازی و استفاده از آن درسیستم مدیریت روسازی راه دانلود با لینک مستقیم و پرسرعت .

کاربرد 4- HDM در پیش بینی وضعیت روسازی و استفاده از آن درسیستم مدیریت روسازی راه

Application of HDM-4 in prediction of pavement condition and using it in Iran roads pavement management system

 

 

 

پارامترهای بدست آمده از ارزیابی روسازیها از ارکان اصلی سیستم مدیریت و نگهداری راهها می باشد و می توان با مدلسازی روند تخریب روسازی را پیش بینی نموده و با استفاده از ارزیابی سازه ای روسازیها به بررسی کفایت سازه ای و شناسایی وجود حفره ها و درزها، طراحی ضخامت روکش، حدود بارگذاری مجاز ، و عمر باقیمانده سازه روسازی پرداخت. در این مقاله ابتدا روشهای مختلف بررسی وضعیت و ارزیابی روسازی ها بررسی شده و سپس روش ارزیابی یابی سازه ای روسازیها مورد تحلیل قرار می گیرد. با توجه به هزینه زیاد و وقت گیر بودن اکثر روشهای ارزیاب سازه ای وضعیت روسازی راهها، آزمایشهای غیر مخرب بعنوان مناسب ترین روش معرفی میشوند.  

 

 

فرمت PDF

تعداد صفحات 215

مدل هوشمند برای پیش بینی میزان موفقیت دانشجویان در یادگیری الکترونیکی

اختصاصی از کوشا فایل مدل هوشمند برای پیش بینی میزان موفقیت دانشجویان در یادگیری الکترونیکی دانلود با لینک مستقیم و پرسرعت .

پایان نامه دکتری تکنولوژی آموزشی

همراه با پرسش نامه

258 صفحه

چکیده

آموزش الکترونیکی در مؤسسه­های آموزش عالی به ویژه در حوزه آموزش مهندسی ایران در حال توسعه چشمگیر است. پذیرش دانشجو برای تحصیل به روش الکترونیکی در ایران و جهان با چالشی مشترک و پدیده­ای تحت عنوان افت تحصیلی مواجه بوده به گونه­ای که آماری بین 20 تا 80 درصد برای افت تحصیلی گزارش شده که این میزان دو برابر آموزش متداول است. در راستای شناسایی عوامل مؤثر بر موفقیت یادگیرنده الکترونیکی در جامعه پژوهشی حاضر که مرکز آموزش الکترونیکی دانشگاه علم و صنعت ایران است، تحقیقی کمّی- کیفی اجرا شد. نمونه پژوهش 738 یادگیرنده الکترونیکی بود. داده‌های کمّی پژوهش با استفاده از پرسشنامه محقق ساخته گردآوری شد. روایی سازه ابزار با استفاده از روش تحلیل عاملی اکتشافی، روایی پیش­بین با استفاده از روش تحلیل رگرسیون و پایایی آن با استفاده از روش آلفای کرونباخ بررسی و تایید شد. داده‌های کیفی نیز از طریق مصاحبه، جلسات برخط، فروم و پیام­های دانشجویان گردآوری و مورد تحلیل کیفی قرار گرفت.

نتایج تحلیل رگرسیون چند متغیری نشان داد، مدل رگرسیونی که تجارب یادگیری الکترونیکی را در بر می­گیرد 66.7%، متغیرهای دموگرافیک 24.8%؛ پیشینه تحصیلی 23.1%؛ متغیر­های روانی- فنی 16.4%؛ مدیریتی 14.6%؛ اجتماعی- اقتصادی 8% و رسانه­ای 4.4% از تغییرات معدل کل یادگیرنده الکترونیکی را تبیین می­کنند. معنی­دارترین متغیر­های پیش­بین در هر کدام از مدل­ها عبارت بود از: معدل ترم اول دانشجو در تحصیل الکترونیکی، سن، معدل مقطع قبل، اضطراب امتحان، خودگردانی، سکونت در شهرستان، دارا بودن لپ­تاپ. با استفاده از مدل معادلات ساختاری، مدلی تدوین و آزمون شد. این مدل 72% از تغییرات معدل کل یادگیرنده الکترونیکی را تبیین کرده و برازش مطلوب نیز داشت (2.294=X2/Df).

در بخش تحلیل کیفی پژوهش، پس از تحلیل محتوای کیفی و کدگذاری باز و محوری، 11 کد محوری استخراج شد. پنج کد محوری که بیشترین فراوانی را داشتند عبارتند از: 1) تبعیض گذاشتن بین دانشجوی مجازی و روزانه؛ 2) عدم شرکت در کلاس مجازی؛ 3) مسائل روان‌شناختی محیط یادگیری الکترونیکی؛ 4) وفق نیافتن با سیستم مجازی؛ 5) مشکلات کلاس مجازی.

در راستای شناسایی مدل مناسب هوش مصنوعی، از روش داده­کاوی آموزشی استفاده شد. پیش­بینی وضعیت دانشجو در یادگیری الکترونیکی به دو صورت مسئله طبقه­بندی و رگرسیونی تعریف شد. نتایج میانگین خطای مطلق نشان داد برای مسئله رگرسیونی، الگوریتم M5' (از مدل­های درخت تصمیم­گیری) و M5Rules (از مدل­های استنتاج قانون) دقیق­ترین و پایاترینِ مدل­ها هستند. برای مسئله طبقه­بندی نیز الگوریتم JRip (از مدل­های استنتاج قانون) قدرت پیش­بینی مطلوب­تری نسبت به سایر مدل­ها داشت. مدل­های پیش­بینی درخت تصمیم و استنتاج قانون به دلیل قابلیت تفسیر نتایج و قدرت پیش­بینی بر مدل­های دیگر چون شبکه عصبی ترجیح داده شد. در پایان نتایج مربوط به یافته­های پژوهش بحث و پیشنهادات کاربردی برای کاهش افت و افزایش موفقیت یادگیرنده الکترونیکی ارائه شد.

واژگان کلیدی: یادگیری الکترونیکی، افت تحصیلی، یادگیری ماشینی، هوش مصنوعی، داده­کاوی آموزشی

توسعه مدل ریاضی به منظور پیش بینی کارایی ماشین زیرکوب در روسازی راه آهن

اختصاصی از کوشا فایل توسعه مدل ریاضی به منظور پیش بینی کارایی ماشین زیرکوب در روسازی راه آهن دانلود با لینک مستقیم و پرسرعت .