نویسندگان
چکیده
بروز شرایط غیرعادی در سیستم قدرت مانند اضافه بار خطوط، بارزدایی، فروپاشی شبکه، و دیگر شرایط اضطراری و همچنین عواملی مانند عدم دقت اپراتورها و وجود خطا در سیستم ثبت اطلاعات می‌تواند باعث شود که برخی از پروفایلهای بار ثبت شده مطابق الگوی نرمال بار نباشند. پالایش این‌گونه پروفایلها از مجموعه داده‌های آموزشی شبکه‌های عصبی که برای پیش‌بینی کوتاه مدت بار در سیستمهای قدرت به‌کار می‌رود، می‌تواند منجر به کاهش خطا شود و تأثیر قابل توجهی در کاهش هزینه‌ها داشته باشد. در این مقاله، برای پیش‌بینی کوتاه مدت بار در سیستم قدرت استان اصفهان، یک سیستم پیش‌بینی براساس شبکه‌های عصبی پیشخور طراحی و برای آموزش آن از داده‌های پالایش شده به روشهای تجربه خبره، مقایسه آماری و نیز الگوریتم جدیدی مبتنی بر تحلیل مؤلفه اصلی استفاده شده است. مقایسه میزان بار پیش‌بینی شده با بار واقعی این سیستم قدرت، تأثیر قابل ملاحظه پالایش داده‌های آموزشی در کاهش خطای پیش‌بینی را نشان می‌دهد. همچنین، بررسی و مقایسه روش پیشنهادی با دیگر روشهای ذکر شده مبین برتری آن از نظر سرعت اجرا و نیز سهولت به‌کارگیری در شناسایی و پالایش داده‌های غیرعادی و در نتیجه پیش‌بینی بار با دقت مناسب است.
)