مشخصات پژوهش

عنوان	پیش بینی کوتاه مدت مصرف الکتریکی با استفاده از رویکرد کوانتومی
نوع پژوهش	پایان نامه
کلیدواژه‌ها	پیش بینی کوتاه مدت بار، شبکه عصبی کوانتومی، تبدیل ویولت، آنالیز همبستگی، الگوریتم بهینه سازی pso
چکیده	در این پایان نامه به پیش بینی کوتاه مدت بار با استفاده از روش های مبتنی بر هوش مصنوعی پرداخته شده است. در این روش از شبکه های عصبی کوانتومی به عنوان سیستم پیش بینی کننده استفاده شده و به منظور دست یابی به نتیجه ای مطلوب برای آماده سازی ورودی ها، تبدیل ویولت و آنالیز همبستگی و تکنیک پدینگ، به کار گرفته شده اند. البته به منظور نمایش نقش موثر این نحوه آماده سازی ورودی ها، یک بار شبکه ی عصبی کوانتومی طراحی شده، بدون استفاده از این مفاهیم پیاده سازی شده است و یکبار نیز شبکه مورد نظر با اعمال تمامی این مفاهیم پیاده سازی می شود. از این روش ها به منظور پیش بینی بار ساعت آینده استفاده شده است. به منظور دستیابی به مقدار بهینه پارامترهای شبکه عصبی کوانتومی، شامل وزن های ارتباطی بین ورودی ها و نورون های شبکه و پارامترهای سیستم کوانتومی (این پارامترها خاصیت کوانتومی را به شبکه تزریق می-کنند) و همچنین دست یابی به یک شبکه کارا و موثر در پیش بینی بار که تاثیر بسیار مطلوبی بر نتایج پیش بینی دارد، الگوریتم بهینه سازی pso به کار گرفته شده است. در حقیقت وظیفه آموزش شبکه و تعیین وزن های ارتباطی، بر عهده الگوریتم بهینه سازی pso می باشد. تابع هدف الگوریتم مورد نظر، خطای موجود مابین خروجی واقعی و پیش بینی شده است. همچنین برای دست یابی به ساختار مناسب شبکه (تعیین تعداد لایه ها و نورون ها و...) از روش آزمون خطا بهره برده شده است. داده های مورد استفاده، بار واقعی شبکه برق آمریکای شمالی می باشد. نتایج به دست آمده توسط روش فوق قابلیت و دقت بالای روش ارائه شده را به خوبی نشان می دهد.
پژوهشگران	علی دیهیمی (استاد راهنما)، مهدی مرادی (دانشجو)