TI - یک روش ترکیبی پیش‏ بینی احتمالاتی بلند‌مدت بار خالص شبکه با در نظر گرفتن اثر توان تولید‌شده توسط منابع انرژی تجدیدپذیر در شبكه‌هاي هوشمند JO - فصلنامه مهندسی برق و مهندسی کامپيوتر ايران JA - پژوهشکده برق جهاد دانشگاهی LA - fa SN - 16823745 AU - محسن جهان تیغ AU - مجيد معظمي AD - دانشگاه آزاد اسلامی - واحد نجف آباد AD - دانشگاه آزاد اسلامي نجف‌آباد Y1 - 1400 PY - 1400 VL - 2 IS - 1 SP - 99 EP - 108 KW - پیش‏ بینی احتمالاتی بلندمدت بار KW - تحلیل اجزای همسایگی KW - سیستم استنتاج عصبی- ‏فازی KW - شبکه هوشمند KW - تولید بادی KW - تولید فوتوولتائیک DO - N2 - امروزه با توجه به رشد گسترده و نفوذ استفاده از منابع توليد پراكنده در شبكه‌هاي هوشمند، پيش‌بيني بار خالص شبكه با در نظر گرفتن اثر توليدات پراكنده اهميت قابل توجهي پيدا كرده است. در اين مقاله يك روش بهينه‌سازي تركيبي به منظور پیش‏بینی احتمالاتي بلندمدت بار خالص شبكه با استفاده از روش تحلیل اجزای همسایگی و حل مسأله رگرسیون به روش mini-batch-LBFGS و ترکیب پیش‏بینی‏های به دست آمده با استفاده از سیستم استنتاج عصبی- فازی تطبیقی ارائه شده است. اين ساختار شامل تركيب چندين پيش‌بيني بلندمدت از جمله پیش‏بینی بار، توان يك ايستگاه خورشيدي و توان یک مزرعه بادی با توربین‏های بادی مجهز به ژنراتور القایی دوسوتغذیه است. پیش‏بینی بار خالص و بررسی وابستگی موجود بین خطاهای پیش‏بینی بار و توان‏های خورشیدی و بادی نیز در این مقاله مورد مطالعه قرار گرفته است. نتايج شبيه‏سازي روش پيشنهادي و مقایسه آن با مدل‏های تائو و رگرسیون چندکی نشان می‌دهد که درصد میانگین مطلق خطا برای پیش‌بینی‌های بار و توان‏های خروجی ایستگاه خورشیدی و مزرعه بادی به ترتیب به میزان 947/0%، 3079/0% و 0042/0% بهبود یافته است که کاهش خطای کلی پیش‌بینی را سبب می‌شود. UR - http://rimag.ir/fa/Article/28937 L1 - http://rimag.ir/fa/Article/Download/28937 TY _ JOURId - 28937