مقاله از تمام رشته های دانشگاهی

به اضافه مقالات تخصصی انگلیسی ایندکس شده در ISI

مقاله از تمام رشته های دانشگاهی

به اضافه مقالات تخصصی انگلیسی ایندکس شده در ISI

پیش بینی نرخ بازار برق، مبنی بر تکنیک نزدیک ترین همسایه ارزیابی شده

عنوان انگلیسی مقاله: Electricity Market Price Forecasting Based on Weighted Nearest Neighbors Techniques
عنوان فارسی مقاله: پیش بینی نرخ بازار برق، مبنی بر تکنیک های نزدیک ترین همسایه ارزیابی شده
طبقه بندی: برق و الکترونیک
فرمت فایل ترجمه شده: فایل Word ورد 2007 یا 2003 (Docx یا Doc) قابل ویرایش
تعداد صفحات فایل ترجمه شده: 21
_______________________________________
چکیده
این مقاله، یک روش ساده برای پیش بینی قیمت های روز بعد بازار را، مبنی بر تکنیک نزدیک ترین همسایه ها وزن دار، ارایه می دهد. نخست، چگونگی به دست آوردن پارامترهای مربوطه ای که مدل مورد نظر را تعیین می کنند، تشریح شده است. این پارامترها، مربوط به طول پنجره سری های زمانی و نیز مربوط به تعداد همسایه هایی که برای پیش بینی انتخاب شده اند، می باشند. سپس، نتایج مربوط به بازار برق اسپانیا در طی سال 2002، ارایه شده و مورد بحث قرار گرفته است. در پایان، عملکرد روش پیشنهاد شده با روش های جدید، مقایسه می شود.

اصطلاحات شاخص: قیمت های بازار برق، پیش بینی، سری های زمانی، نزدیک ترین همسایه ها وزن دار

مقدمه
در بازار برق رقابتی، ابزارهای پیش بینی برای عامل های شرکت کننده، مهم شده اند تا آنها بتوانند استراتژی های مناقصه خود را به منظور بیشینه کردن سود به دست آمده از انرژی مبادله شده، توسعه دهند. این روش ها، که به طور مرسوم برای پیش بینی بار به کار می روند، بتازگی بر روی مسایل پیش بینی قیمت ساعتی انرژی بازار برق مبتنی بر pool (حوضچه) تمرکز کرده اند. مدل های قیمت برق را می توان به دو دسته گسترده بنام های مدل های هزینه تولید و مدل های آماری تقسیم کرد. مدل های هزینه تولید، تلاش در شبیه سازی عملکرد سیستم، با در نظر گرفتن رفتار استراتژیک عامل های درگیر، دارند. اشکال های اصلی مدل های شبیه سازی، نیاز به اطلاعات گسترده می باشد که به دست آوردن آن در بازارهای آزاد، دشوار می باشد. از سویی دیگر، مدل های آماری، تکامل قیمت را مبتنی بر روابط مشاهده شده پیشین، بدون مدل کردن صریح فرآیندهای فیزیکی اساسی، پیش بینی می کنند. این دسته، شامل انواع روش ها، از ساده ترین روش های سری زمانی «جعبه سیاه» فقط با استفاده از قیمت قبلی به عنوان داده ورودی، گرفته تا مدل های پیش بینی ساختاری پیچیده تری که متغیرهای توضیحی (اتفاقی) مانند تقاضای بار، قیمت سوخت، و میزان تولید در دسترس را نیز شامل می شوند، می باشد.
ادامه مطلب ...