| عنوان فارسی مقاله: |
پیش بینی و برنامه ریزی دراز مدت بار صنعتی با استفاده از تکنیک شبکه های عصبی و روش واسط فازی |
| عنوان انگلیسی مقاله: |
LONG – TERM INDUSTRIAL LOAD FORECASTING AND PLANNING USING NEURAL NETWORKS TECHNIQUE AND FUZZY INFERENCE METHOD |
جستجوی ترجمه مقالات بر اساس کلمات کلیدی
نمونه متن ترجمه
چکیده
پیش بینی بار، بخش برجسته ای را در بهینه سازی اقتصادی و عملیات امن سیستم های نیروی برق ایفا میکند.برنامه های بخش توان برقی ،انجام شده اند و با کمک روش های پیش بینی آماری، توسعه یافته اند.شرکتهای صنایع همگانی برق نیاز به پیش بینی بار پیک ماهانه و سالانه برای برنامه ریزی بودجه، زمانبندی نگهداری و مدیریت سوخت، دارند.این مقاله یک دستاورد جدید را بر مبنای یک تکنیک عصبی فازی هیبریدی ارائه میدهد که شبکه ی عصبی مصنوعی و مدلسازی منطق فازی را برای پیش بینی بار صنعتی دراز مدت در سیستم های توان برقی ترکیب میکند.یک مطالعه ی گسترده برای یافتن مدل پیش بینی صحیح از طریق یک برنامه کاربردی (اپلیکیشن) بر روی دهمین شهر صنعتی رمضان در مصر، انجام میگیرد.داده های ثبت واقعی برای محک زدن روش ارائه شده بکار میروند.شمار زیادی از عوامل موثر ،بررسی و تست شده اند.این مقاله، یک سیستم کاملا توسعه یافته را برای پیش بینی بیشترین تقاضای برق و مصرف برای 24 ماه آینده، ارائه میدهد.هم چنین پیش بینی بار بسیار دراز مدت، انجام گرفت.قدرت این تکنیک در توان خود برای کاهش زمان محاسباتی قابل ارزیابی است و ظرفیت قابل قیاس آن با سایر تکنیک های مدلسازی نهفته است.پیامدهای این مطالعه، به طور آشکار بیانگر این است که مدل ترکیبی ارائه شده از تکنیک شبکه ی عصبی و روش استنباط فازی، میتواند به عنوان راه های جذاب و موثر برای پیش بینی بار پیک ماهانه و سالانه ی صنعتی بکار رود.نتایج این تست، پیش بینی بسیار دقیقی را با درصد متوسط خطای نسبی 1.98% نشان داد.
نمونه متن ترجمه
چکیده
پیش بینی بار، بخش برجسته ای را در بهینه سازی اقتصادی و عملیات امن سیستم های نیروی برق ایفا میکند.برنامه های بخش توان برقی ،انجام شده اند و با کمک روش های پیش بینی آماری، توسعه یافته اند.شرکتهای صنایع همگانی برق نیاز به پیش بینی بار پیک ماهانه و سالانه برای برنامه ریزی بودجه، زمانبندی نگهداری و مدیریت سوخت، دارند.این مقاله یک دستاورد جدید را بر مبنای یک تکنیک عصبی فازی هیبریدی ارائه میدهد که شبکه ی عصبی مصنوعی و مدلسازی منطق فازی را برای پیش بینی بار صنعتی دراز مدت در سیستم های توان برقی ترکیب میکند.یک مطالعه ی گسترده برای یافتن مدل پیش بینی صحیح از طریق یک برنامه کاربردی (اپلیکیشن) بر روی دهمین شهر صنعتی رمضان در مصر، انجام میگیرد.داده های ثبت واقعی برای محک زدن روش ارائه شده بکار میروند.شمار زیادی از عوامل موثر ،بررسی و تست شده اند.این مقاله، یک سیستم کاملا توسعه یافته را برای پیش بینی بیشترین تقاضای برق و مصرف برای 24 ماه آینده، ارائه میدهد.هم چنین پیش بینی بار بسیار دراز مدت، انجام گرفت.قدرت این تکنیک در توان خود برای کاهش زمان محاسباتی قابل ارزیابی است و ظرفیت قابل قیاس آن با سایر تکنیک های مدلسازی نهفته است.پیامدهای این مطالعه، به طور آشکار بیانگر این است که مدل ترکیبی ارائه شده از تکنیک شبکه ی عصبی و روش استنباط فازی، میتواند به عنوان راه های جذاب و موثر برای پیش بینی بار پیک ماهانه و سالانه ی صنعتی بکار رود.نتایج این تست، پیش بینی بسیار دقیقی را با درصد متوسط خطای نسبی 1.98% نشان داد.
