دانلود پروژه پيش بينی قيمت بازار برق با استفاده از شبكه های عصبی
تعداد صفحات : 105
فرمت : word
امروزه بازار برق در جهان به صورت علمي شناخته شده مي باشد و رقابت در آن هر روز بيشتر از قبل مي شود. در اين ميان پيش بيني قيمت و ابزار آن به شركت كنندگان بازار در بدست آوردن سود هرچه بيشتر كمك شاياني مي كند. هدف اين پايان نامه گسترش شبكه عصبي و بهينه سازي آن توسط الگوريتم ژنتيك براي پيش بيني قيمت بازاربرق است تا بر دقت هر چه بيشتر اين مساله بيافزايد.از آنجا كه در مدلهاي سنتي و همچنين مدل شبكه هاي عصبي همواره از روشهاي احتمالاتي جهت افزايش دقت پيش بيني استفاده مي شود در اين مدل سعي شده تا با ارائه روشي جديد از اين موارد صرف نظر كرد تا وقت كمتري براي پيش بيني گرفته شود. يكي از مضوعاتي كه همواره دقت پيش بيني را تحت تاثير قرار مي دهد وجود موارد بحراني و ناگهاني در سيستم است كه در اين پروژه با استفاده از روشهاي كارآمد اين مسائل را كنترل خواهيم كرد. در مدل پيشنهاد شده از اطلاعات بازار برق نورديك استفاده شده است اما بديهي است كه مدل مزبور براي هر بازار ديگري قابل استفاده مي باشد. در پايان براي نشان دادن دقت پيش بيني مدل پيشنهادي، مقايسه اي بين آن و يكي از روشهاي سنتي انجام شده است.
1 فصل اول : كليات1-1) هدف 4
2-1) فاكتورهاي تاثير گذار بر قيمت 6
1-1) فرار بودن قيمت 7
4-1) انواع پيش بيني قيمت 8
5-1) انوع كاربران پيش بيني قيمت 9
6-1) روشهاي سنتي براي حل مساله پيش بيني كوتاه مدت قيمت 11
1-6-1) مدل سري هاي زماني 11
2-6-1) مدل رگرسيون 14
3-6-1) سيستم هاي هوشمند 14
فصل دوم : مقدمه اي بر شبكه عصبي و الگوريتم ژنتيك
شبكه عصبي 17
2-2) ساختار شبكه عصبي مصنوعي 19
1-2) شبكه پرسپترون چند لايه 23
4-2) فرايند يارگيري 24
1-4-2) الگوريتم پس انتشار 26
2-4-2) الگوريتم پس انتشار ارتجاعي 32
5-2) كاربرد شبكه عصبي مصنوعي در سيستم هاي قدرت 33
6-2) الگوريتم ژنتيك 35
7-2) ساختار الگوريتم ژنتيك 37
1-7-2) افراد يا كروموزوم ها 34
2-7-2) جمعيت 37
2-3-7) كد گذاري كروموزوم ها 38
4-7-2) تعيين جمعت اوليه 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 قيود در بهينه سازي 44
فصل سوم : طراحي شبكه عصبي بهينه شده توسط الگوريتم ژنتيك
الف) شبكه بدون اجراي الگوريتم ژنتيك 47
1-3) مقدمه 47
2-3) بازار برق نورديك 48
1-3) طراحي شبكه عصبي 52
4-3) درصد خطاي مطلق 57
5-3) حد بالاي قيمت 59
6-3) تعداد نرونهاي لايه پنهان 61
7-3) رابطه بار با قيمت 62
8-3) اصلاح داده ها جهت آموزش 66
ب) بهينه سازي شبكه عصبي مصنوعي توسط الگوريتم ژنتيك 70
9-3) تعيين نرونهاي لايه پنهان با استفاده از الگوريتم ژنتيك 70
10-3)شبيه سازي و ابزار آن 74
فصل چهارم:مقايسه روش رگرسيوني با شبكه عصبي بهينه شده با الگوريتم ژنتيك
4)مقدمه 77
2-4) تحليل رگرسيوني 77
فصل پنجم : نتيجه گيري
مبلغ قابل پرداخت 15,000 تومان
برچسب های مهم