مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه مهندسی برق و مهندسی کامپيوتر ايران 16823745 19 2 2021 10 9 A Hybrid Long-Term Probabilistic Net Load Forecasting Approach Considering Renewable Energies Power in Smart Grids یک روش ترکیبی پیش‏ بینی احتمالاتی بلند‌مدت بار خالص شبکه با در نظر گرفتن اثر توان تولید‌شده توسط منابع انرژی تجدیدپذیر در شبكه‌هاي هوشمند 99 108 fa محسن جهان تیغ دانشکده مهندسی برق مجيد معظمي دانشکده مهندسی برق 2020 7 7 With the growth and integration of distributed generation resources in smart grids, net load forecasting is of significant importance. A hybrid optimization method is proposed in this paper for probabilistic net load forecasting using neighborhood component analysis and solving regression problem with the aid of mini-batch LBFGS method. Net load forecasting is suggested in this paper trough forecast combination via adaptive network-based fuzzy inference system. The structure includes a combination of several long-term forecasts, including forecasts of load, the generation of a solar station, and the generation of a wind farm with wind turbines equipped with doubly-fed induction generator. Also, the net load forecasting and the relationship between errors of load, wind and solar predictions are studied in this paper. The simulation results of the proposed method and its comparison with Tao and quantile regression models show that mean absolute percentage error of load forecasting, and the forecasts of solar and wind generations improved by 0.947%, 0.3079% and 0042%, respectively which result to a decrease in net load forecasting error. 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. http://ijece.org/fa/Article/Download/28937