وزارت علوم،تحقيقات و فناوري
دانشگاه علوم و فنون مازندران
پايان نامه
مقطع کارشناسي ارشد
عنوان: پيش بيني کوتاه مدت بار استان مازندران با استفاده از سيستم هاي خبره
استاد راهنما:دکتر خليل گرگاني فيروزجاه
استاد مشاور: دکتر عبدالرضا شيخ الاسلامي
دانشجو:وجيهه قاسمي تيرتاشي
تابستان 1393
چکيده:
پيش بيني بار کوتاه مدت، به صورت پيش بيني بار يک ساعت تا چند روز آينده تاثير به سزايي بر امر بهره برداري سيستم هاي قدرت دارد. زيرا بسياري از تدابير مديريت انرژي از قبيل تنظيم برنامه مقرون به صرفه جهت استفاده از نيروگاه هاي موجود، برنامه ريزي خريد سوخت مورد نياز نيروگاه ها، ورود و خروج واحدها، توسعه خطوط انتقال و ترانس شبکه فوق توزيع و همچنين ميزان خاموشي ها در صورت کمبود، بر اساس اين پيش بيني انجام مي شود.
در اين پروژه انواع مدلهاي پيش بيني از جمله مدل سري زماني، رگرسيون، مصرف نهائي و شبکه عصبي بررسي شده است. با توجه به اينکه پيش بيني بار متداول در شرکت توزيع مازندران با استفاده از روش هاي سنتي بوده است و از آنجايي که اين روش قادر به پيش بيني دقيق بار روزهاي آينده و روزهاي خاص نبوده است، براي دستيابي به مدل مطلوب به بررسي روش فازي پرداخته شده است. در اين راستا ابتدا به تشريح منطق فازي و روش پياده سازي برنامه در محيط مطلب اشاره نموده و سپس با بهره گيري از اطلاعات سالهاي گذشته و نمودار مصرف و لحاظ نمودن تاثير عوامل محيطي، بار کوتاه مدت استان مازندران را پيش بيني شده است. استفاده از روش منطق فازي منجر به افزايش دقت و سرعت پيش بيني، رفع مشكل پيش بيني بار روزهاي خاص، كاهش حجم بانك اطلاعاتي توام با افزايش قابليت تاثير عوامل مختلف گرديده است.
فهرست مطالب
عنوانصفحه
فصل اول: مقدمه
1-1) اهميت پيش بيني بار سيستم هاي قدرت.5
1-1-1) بررسي اهميت پيش بيني باراز لحاظ فني…………………………………………………………………………………….5
1-1-2) بررسي اهميت پيش بيني باراز لحاظ اقتصادي……………………………………………………………………………..6
1-2) راهکارها……………………………………………………………………………………………………………………………………….8
1-3) پيش بيني بار ازديدگاه دوره هاي زماني…………………………………………………………………………………………..9
1-3-1) برنامه ريزي دراز مدت………………………………………………………………………………………………………………..9
1-3-2) برنامه ريزي ميان مدت……………………………………………………………………………………………………………..10
1-3-3) برنامه ريزي كوتاه مدت…………………………………………………………………………………………………………..10
1-3-4) برنامه ريزي لحظه اي / چند دقيقه تا چند ساعت………………………………………………………………………10
1-4) عوامل موثر در پيش بيني بار الکتريکي…………………………………………………………………………………………11
1-4-1) عوامل اقليمي………………………………………………………………………………………………………………………….12
1-4-2) عوامل اقتصادي………………………………………………………………………………………………………………………12
1-4-3) تاثير زمان بر بار مصرفي………………………………………………………………………………………………………….12
– جمع بندي و نتيجه گيري…………………………………………………………………………………………. …………………….12
فصل دوم: روش هاي مدل سازي
2-1) پيش بيني……………………………………………………………………………………………………………………………………16
عنوانصفحه
2-2) دقت پيش بيني16
2-3) معيار سنجش خطا در پيش بيني17
2-4) روشهاي پيش بيني……………………………………………………………………………………………………17
2-4-1) روش سري زماني……………………………………………………………………………………………………………………18
2-4-2) روش رگرسيون……………………………………………………………………………………………………………………. 26
2-4-3) پيش بيني باربا استفاده ازآمارهاي مستقل………………………………………………………………………………27
2-4-4)روش مصرف نهايي 282-4-5) روش كاربري ارضي………………………………………………………………………………………………………………..29
2-4-6) روش عصبي…………………………………………………………………………………………………………………………30
2-5) پيش بيني بارکوتاه مدت استان مازندران با استفاده از روش رگرسيون…………………………………………38
2-5-1) برازش مدل رگرسيون در محيط SAS …………………………………………………………………………………..38
2-5-2) تحليل نتايج حاصل ازمدل رگرسيون………………………………………………………………………………………41
– جمع بندي و نتيجه گيري……………………………………………………………………………………………………………. 44
فصل سوم: مدل سازي به روش فازي
3-1) ضرورت استفاده از سيستم خبره فازي جهت پيش بيني بار………………………………………………. ……47
3-2) توابع عضويت………………………………………………………………………………………………………………… ……49
3-3) مراحل طراحي يک سيستم فازي…………………………………………………………………………………. ………52
عنوان صفحه
3-4) کاربرد نرم افزار MATLAB……………………………………………………………………………………… ………..55
3-4-1) ويرايشگر توابع عضويت (The Membership function editor)………………………………….. 59
3-4-2) ويرايشگر قواعد (The Rule editor)……………………………………………………………………………..63
3-4-3) نمايشگر قواعد( (The Rule viewer………………………………………………………………………………64
3-4-4) نمايشگر سطوح(The surface viewer)…………………………………………………………………………..65
فصل چهارم : طراحي مدل فازي جهت پيش بيني بار کوتاه مدت استان مازندران
4-1) طراحي مدل فازي جهت پيش بيني بار کوتاه مدت……………………………………………………………..68
4-1-1) مشخص کردن ورودي ها، خروجي ها و روش مورد استفاده براي غير فازي کردن………………………….68
4-1-2) تعيين مجموعه هاي فازي و تابع عضويت براي ورودي ها و خروجي ها…………………………………………..70
4-1-3) شاخت قواعد با شناخت از مجموعه هاي فازي…………………………………………………………76
4-1-4) معتبرسازي و بازنگري قواعد………………………………………………………………………………………………………81
فصل پنجم: نتيجه گيري و پيشنهادات
نتيجه گيري…………………………………………………………………………………………………………………….88
پيشنهادات………………………………………………………………………………………………………………………………………….89
مراجع……………………………………………………………………………………………………………………………92

1-1) اهميت پيش بيني بار در سيستم هاي قدرت
صنعت برق از صنايع زير بنائي يك كشور و ركني بسيار مهم در رشد و پيشرفت جوامع امروزي محسوب مي شود. با توجه به اينكه از يك طرف پروژه هاي صنعت برق نياز به سرمايه گذاري كلان و زمان هاي طولاني دارد واز طرف ديگر با تكنولوژي موجود هنوز نمي توان ذخيره اين انرژي را در ابعاد بزرگ امكان پذير نمود. بنابراين برنامه ريزي توليد بايد به گونه اي صورت گيرد كه پاسخگوي تقاضاي انرژي الكتريكي باشد. بدين جهت پيش بيني بار به عنوان عاملي مهم در طرح توسعه و بهره برداري از سيستم هاي قدرت تلقي مي شود و در واقع وسيله اي است كه به كمك آن مي توان در جهت بهبود تصميم گيري اقدام نمود. برآورد روند تخصيص منابع براي توسعه شبكه برق رساني الزامي است.
در برنامه ريزي توسعه آينده يك سيستم قدرت برآورد بار از اهميت زيادي برخوردار است و اساس و مبناي مطالعات برنامه ريزي را تشكيل مي دهد ميزان خطاهاي پيش بيني بار داراي اهميت خاص است.
مشكلات تصميم گيري در اين مورد موقعي بيشتر مي شود كه با بودجه محدود و هدف حداقل كردن هزينه از يك طرف و فشار متخصصين ومهندسين بخش قدرت براي خريد تجهيزات پيشرفته وگران قيمت از طرف ديگر و نيز گسترش بي رويه در استفاده از انرژي الكتريكي مواجه شود. اگر ميزان بار پيش بيني شده كمتر از بار واقعي باشد ضريب اطمينان و در نتيجه كيفيت خدمات كاهش مي يابد واين امر ممكن است حتي به خاموش هاي اجباري بيانجامد. خود اين مساله تا حدي كار مسئولين تجزيه وتحليل قابليت اطمينان سيستم را مشكل مي سازد واز طرف ديگر اگر بار آينده پيش از مقدار مورد نياز پيش بيني گردد سرمايه گذاري زيادي هدر شده وبه نياز مالي منجر مي گردد.
عدم امكان ذخيره سازي انرژي الكتريكي از يك طرف وهمچنين صرف هزينه هاي هنگفت اقتصادي جهت ايجاد نيروگاه هاي جديد از طرف ديگر سياست هاي كلي توليد انرژي الكتريكي را به سمت وسوئي جديد در ارتباط با مديريت انرژي الكتريكي سوق داده است. واقعيت اينست كه مصرف انرژي الكتريكي ثابت نبوده و همواره بصورت تابعي غير خطي از پارامترهاي مختلف زماني،‌محيطي، اقتصادي و در نوسان مي باشد. تغييرات مصرف بار الكتريكي شركت هاي توليد كننده برق را موظف كرده است در زمانبنديهاي مختلف اطلاعات مورد نياز را جهت مديريت بهتر انرژي در سيستمهاي قدرت پيش بيني كنند [9] و [13].
افزايش قابليت اطمينان وكارائي در صنعت برق، كاهش هزينه ها وهزينه معاملات در صنعت برق، تامين
گزينه هاي بيشتري براي مصرف كنندگان و… به عنوان انگيزه هاي اقتصادي، اجتماعي، سياسي مديريت صنعت برق را به ناچار دچار تحول و دگرگوني كرد كه ازآن به عنوان تجديد ساختار صنعت برق نامبرده
مي شود. در محيط سنتي، سيستمهاي توليد، انتقال و توزيع انرژي الكتريكي به صورت انحصاري تحت كنترل دولت ويا يك نهاد انحصاري است كه وظيفه نظارت بر بازار انحصاري و حتي قيمتهاي انحصاري را نيز دارا مي باشد. در سيستمهاي قدرت تجديد ساختار نشده، مصرف كننده ها شركت هاي توزيع منحصر به فرد بودند كه انرژي را به صورت عمده و بر حسب قواعد خاص از توليد كننده هاي انحصاري دريافت مي كردند. اين مصرف كننده ها فقط تحت قيمت هاي از پيش تعيين شده توسط اپراتورسيستم انرژي خود را دريافت مي كردند توليد كنندگان نيز فقط تحت قيمت هايي كه توسط اپراتور سيستم وتحت قرار دادها وتعرفه كمي سنتي مشخص مي شد انرژي مورد نياز شبكه قدرت را توليد مي كردند. در اين نوع اقتصاد تلفات شبكه بسيار زياد وجود از اينرو هزينه هاي زيادي تلف مي شد.
با شروع تجديد ساختار صنعت برق و ورود بازارهاي رقابتي انرژي الكتريكي قسمت هاي توليد، انتقال و توزيع اكثرا به قسمت هاي خصوصي واگذار شدند.
هر چند كه در سطح انتقال اين واگذاري به ندرت انجام گرفته است مصرف كنندگان در اين نوع ساختار به سيستم انتقال دسترسي مستقيمي دارند و مي توانند توليد كننده خود را نيز انتخاب كنند. بازارها از انحصار دولت خارج شده اند و بطور مستقل و همچنين هماهنگ با اپراتور مستقل بازار فعاليت مي كنند.
در بخش توزيع نيز با فراهم كردن زمينه براي مشاركت بخش خصوصي و احداث نيروگاه توسط سرمايه گذاران داخلي و خارجي و همچنين واگذاري ظرفيت هاي نصب شده موجود و فراهم آوردن زمينه رقابت با افزايش توليد كنندگان سعي در جايگزين فضاي رقابتي بجاي شرايط انحصار گرديده كه در بسياري از كشورها اين امر موفقيت آميز بوده است.
بخش انتقال با توجه به ماهيتي كه دارد و اين واقعيت كه نمي توان دو يا چند شبكه موازي در كنار هم تاسيس كرد تا براي انتقال برق با هم رقابت نمايند تقريبا هنوز به شكل انحصاري اداره شده و تحت عنوان شبكه ملي باقي مانده است.
در بخش توزيع نيز كليه فعاليت هاي از نقطه دريافت برق از شبكه انتقال تا تحويل به مصرف كننده نهايي انحصاري است، ابتدا بخش خطوط از بخش مشتركين تفكيك شده پس اين بخش خطوط از بخش مشتركين تفكيك شده، پس اين بخش كه مشابه به بخش انتقال است يا در تملك دولت باقي مانده ويا در برخي كشورها با رويكردهاي اجرائي متفاوت به بخش خصوصي واگذار شده اند در بخش خدمات مشتركين نيز كليه امور از درخواست و وصول مطالبات و… توسط شركت هاي خرده فروش انجام مي گيرد. از آنجايي كه اين بخش از شرايطي متفاوت با بخشهاي انتقال و توزيع برخوردار مي باشد فعاليت هاي اين بخش از فعاليت انحصاري برخوردار نبوده و بنابراين شركت هاي خرده فروش همزمان مي توانند رضايت مشتري با هم رقابت نمايند كه به بهبود كيفيت و كاهش هزينه هاي منتهي خواهند شد. لذا واگذاري اين امور به بخش خصوصي و ايجاد زمينه مناسب براي رقابتي كردن اين بخش نتايج قابل توجهي به همراه داشته است.
در اقتصاد برق، شركت هاي توليد كننده برق موظفند، مصرف كننده هاي خود را قابليت اطمينان زياد، با كيفيتي بالا و قيمت مناسب با توجه به محدوديت هاي از جمله حفظ محيط زيست، قرار داد با ديگر شركا در سيستم هاي به هم پيوسته وبا در نظر گرفتن قيودي نظير توان و نوع نيروگاه هاي موجود ميزان ذخيره سوخت مورد نياز نيروگاه هاي حرارتي، ميزان آب موجود در مخزن ها براي استفاده نيروگاه هاي آبي، و غيره تغذيه نمايد.
براي نيل به اين اهداف بايد از طرفي، تجهيزات مورد نظر نيروگاه ها و شبكه هاي انتقال و توزيع، به نحو بهينه مورد استفاده و بهره برداري قرار گيرند ( حداقل سرمايه گذاري دراز مدت ) و از طرفي ديگر، انرژي هاي اوليه موجود براي توليد برق (انواع سوخت ها و آب و…. ) به طرز بهينه، مورد مصرف واقع شوند ]12[.
1-1-1) بررسي اهميت پيش بيني بارازلحاظ فني
ضرورت پيش بيني كوتاه مدت باراز لحاظ فني را مي توان به صورت زير خلاصه نمود:
1- تنظيم برنامه جهت استفاده از نيروگاه هاي موجود، بدين صورت كه حتي الامكان از نيروگاه ها بخار بعنوان بار پايه واز نيروگاه هاي آبي جهت كنترل فركانس واز نيروگاه هاي گازي جهت رفع كمبود توليد در ساعات پيك استفاده نمود.
2- تهيه برنامه جهت ذخيره چرخان وغير چرخان شبكه وميزان خاموشي ها در صورت كمبود
3- تهيه برنامه خروج از واحدها خطوط انتقال ترانسفورماتورهاي شبكه توزيع
4- رعايت ميزان انرژي تعيين شده واحد هاي آبي كه در اين خصوص با توجه به متفاوت بودن ميزان بار در ساعات مختلف روز مي توان با آگاهي از ميزان ذخيره آب در پشت سدها در ماه هاي مختلف از اين نيروگاه ها حداكثر راندمان را با كمترين هزينه بدست آورد.
1-1-2) بررسي اهميت پيش بيني بارازلحاظ اقتصادي[?][??]
يکي از وظايف آتي شرکتهاي توزيع پس از راه اندازي بازار خرده فروشي خريد انرژي الکتريکي مورد نياز محدوده خود از بازار عمده فروشي يا برق منطقه اي است. انرژي الکتريکي مورد نياز هر شرکت بايد از بازار برق خريداري شود و خريدار بابت خريد برق بايد هزينه هاي مربوطه که عبارتند از قدرت درخواستي، انرژي مصرفي و جريمه آزمون ناموفق مصرف را پرداخت نمايد. پروسه خريد بدين صورت است که خريداران برق مورد نياز خود را روز قبل از مصرف پيش بيني نموده و براي بازار برق ارسال مي نمايند. روش هاي بسياري براي پيش بيني نياز مصرف وجود دارد که در ادامه به آنها اشاره خواهيم کرد. پيش بيني نادرست نياز مصرف باعث افزايش هزينه خريد انرژي الکتريکي مي گردد. دقت در پيش بيني نياز مصرف منجر به کاهش جريمه آزمون ناموفق مصرف و هزينه هاي قدرت درخواستي خواهد شد. ابتدا بايستي بازه مجاز و بهينه خطا را شناسايي نموده و با توجه به اين بازه، پيش بيني اوليه را به گونه اي تصحيح نمود که احتمال افزايش متوسط قدر مطلق خطا از حد مجاز کاهش يابد.
قبل از ايجاد تجديد ساختار در صنعت برق کشور، پيش بيني بار براي کل کشور انجام شده و سپس با توجه به نتايج بدست آمده از اين پيش بيني، شبکه مورد بهره برداري قرار مي گرفت. در ساختار سنتي پيش بيني نادرست عواقب زير را به دنبال دارد:
1- پيش بيني بيشتر از نياز مصرف منجر به زياد شدن ذخيره چرخان و در نتيجه هزينه هاي مرتبط با آن
مي گردد.
2- پيش بيني کمتر از نياز مصرف منجر به افت فرکانس، ناپايداري شبکه و در مدار قرار دادن واحدهاي خاموش و هزينه هاي مرتبط با آن مي گردد.
پس از تجديد ساختار در صنعت برق کشور، پيش بيني نياز مصرف ساعتي توسط شرکت هاي برق منطقه اي انجام شده و به تبع شفاف سازي هزينه ها، پيش بيني نادرست نياز مصرف باعث مي شود که شرکت هاي برق منطقه اي جريمه گردند. امروزه با راه اندازي بازار خرده فروشي پيش بيني نياز مصرف توسط شرکت هاي توزيع انجام مي گيرد و عواقب پيش بيني نادرست متوجه اين شرکت ها خواهد بود. روش هاي متفاوتي براي پيش بيني کوتاه مدت بار وجود دارد، روش هاي ابتدايي عموما بر پايه روش هاي آماري و با توجه به منحني بار روزانه استوار است اما در سال هاي اخير پيش بيني کوتاه مدت بار، بيشتر با روش هاي هوش مصنوعي انجام شده که از جمله آنها مي توان به شبکه عصبي، فازي-عصبي، عصبي تطبيقي و عصبي – فازي اشاره نمود.
در نگاه اول ممکن است تصور شود که پيش بيني نياز مصرف با خطاي کم، هزينه خريد برق را حداقل
مي نمايد اما قوانين حاکم بر بازار برق ايران به گونه اي تدوين شده که پيش بيني با خطاي کم تنها پارامتر کاهش هزينه هاي خريد برق نمي باشد. به عبارت ديگر مطابق قوانين بازار برق ايران پيش بيني کمتر يا بيشتر از نياز مصرف به خريداران هزينه هاي متفاوتي را تحميل مي نمايد.
1-2) راهکارها
با توجه به مطالب ذکر شده در بخش قبل خريداران انرژي الکتريکي سعي مي کنند پيش بيني نياز مصرف خود را تا حد امکان کمتر از مقدار واقعي اعلام نمايند. چرا که اين امر علاوه بر اينکه خريداران را از حداقل شدن قدرت درخواستي مطمئن مي کند در صورت جريمه شدن نرخ جريمه کمتر از حالتي است که پيش بيني بيشتر از مصرف واقعي باشد. اما بايد توجه داشت که پيش بيني کمتر از نياز مصرف نيز پيامدهاي زير را به دنبال خواهد داشت.
1- افزايش احتمال جريمه شدن به دليل افزايش قدر مطلق خطا
2- افزايش احتمال جريمه شدن به دليل افزايش متوسط قدرمطلق خطا
3- افزايش شاخص جريمه خطاي پيش بيني نياز مصرف و نياز مصرف واقعي شرکت برق منطقه اي
جهت کاهش اين پيامدها لازم است براي پيش بيني نياز مصرف کمتر از مصرف تدابيري انديشيده شود تا اثرات اين عواقب کاهش يابد.
همانطور که ملاحظه مي شود براي کاهش هزينه خريد انرژي الکتريکي بهتر است پيش بيني نياز مصرف کمتر از ميزاني باشد که امکان مصرف آن وجود دارد. اما نکته مهم اين است که نياز مصرف چه مقدار کمتر پيش بيني شود. براي اين منظور لازم است به اين نکته توجه داشت که در صورت تجاوز متوسط قدرمطلق خطا از حد مجاز، خريداران مشمول پرداخت جريمه مي گردند. از اين رو پيش بيني نياز مصرف بايد به گونه اي باشد که اولا خريدار مشمول پرداخت جريمه براي افزايش متوسط خطاي از مقدار مجاز نگردد و ثانيا در ساعاتي که مصرف بيشتر است خريدار با توجه به افزايش بازه خطاي مجاز، آزادي بيشتري در پيش بيني نياز مصرف دارد. با توجه به نکات ذکر شده اين ايده در ذهن القا مي شود که براي پيش بيني کمتر در هر ساعت بايد به مصرف و حد مجاز متوسط خطا توجه داشت.
1-3) پيش بيني بار از ديدگاه دوره هاي زماني [??][?][??]
برنامه ريزي و بهره برداري بهينه در سيستم هاي قدرت از نقطه نظر زماني در چند مرحله بشرح زير انجام مي پذيرد:
o برنامه ريزي دراز مدت ( 30-5 سال )
o برنامه ريزي ميان مدت ( تا يك سال )
o برنامه ريزي كوتاه مدت (يك روز تا يك هفته )
o برنامه ريزي لحظه اي ( چند دقيقه تا چند ساعت )
1-3-1) برنامه ريزي دراز مدت ( 30-5 سال )
در برنامه ريزي دراز مدت، با در نظر گرفتن توان و تركيب و طول عمر نيروگاه هاي موجود، توانائي شبكه هاي انتقال و توزيع، قرار دادهاي دراز مدت براي تبادل انرژي الكتريكي با شركت در سيستم به هم پيوسته در مورد نوع و اندازه و محل احداث نيروگاه هاي جديد نحوه گسترش شبكه ماشين ويا تجديد نظر در قرار دادها تصميم گيري مي شود.
1-3-2) برنامه ريزي ميان مدت ( تا يك سال )
در برنامه ريزي ميان مدت با در نظر گرفتن توان وتركيب نيروگاه هاي موجود، ميزان ذخيره سوخت، ميزان آب ذخيره در مخزن ها، قرار داد شركا، در مورد نحوه زمان بكارگيري نيروگاه هاي حرارتي و آبي، تهيه سوخت ميزان تبادل انرژي الكتريكي با شركا، زمانبندي بهينه براي بازرسي و تعميرات نيروگاهها و شبكه تصميم گيري مي شود.
1-3-3) برنامه ريزي كوتاه مدت(يك روز تا يك هفته )
در برنامه ريزي كوتاه مدت با در نظر گرفتن قيود موجود و محدوديت ها و با استفاده از حداكثر انرژي و توان خريداري شده از شركا، در مورد در مدار قرار گرفتن بهينه نيروگاه هاي خودي، به منظور كاستن هزينه سوخت تصميم گيري مي شود.
1-3-4)برنامه ريزي لحظه اي ( چند دقيقه تا چند ساعت )
در برنامه ريزي لحظه اي، توزيع اقتصادي بار در بين نيروگاه هاي موجود در هوا ونيز كنترل توان – فركانس مدنظر مي باشد. اطلاعات لازم براي انجام برنامه ريزي مرحله اي بهينه در سيستم هاي قدرت توسط پيش بيني ميزان مصرف الكتريكي در زمانبنديهاي قيد شده در فوق در دسترس قرار مي گيرند.
مصرف بار الكتريكي به صورت پيچيده و غير خطي تابعي از پارامتر هاي متعددي از جمله شرايط آب وهوائي ( درجه حرارت، مقدار رطوبت، روشنايي هوا، سرعت باد ) مي باشد در ضمن هر روز هفته منحني بار خود را دارد. منحني هاي مصرف بار در روزهاي تعطيل وغيرتعطيل نيز از يكديگر متمايز مي باشد در فصول مختلف سال نيز با توجه به عوامل مختص هر فصل، نيز طول روز، منحني مصرف بار تغير مي كند، در طول زمان نيز با توجه به رشد جمعيت، و رشد اقتصادي جامعه، ميزان ميانگين مصرف بار به مرور افزايش يا بالعكس بر اثر بهينه شدن ابزار الكتريكي و يا اقدامات صرفه جويانه مصرف كنندگان عمده برق، كاهش مي يابد. تغيير عادت مصرف كنندگان، بر اثر مديريت بار از سوي توليد كنندگان انرژي الكتريكي، و يا تغيير ساخت اقتصادي (كشاورزي، صنعتي، تجاري و… ) محل تغذيه ويا در كوتاه مدت عواملي به مانند برنامه هاي تلويزيوني، نيز بر ساختار اقتصادي بار موثر مي باشد.
در مدل سازي براي پيش بيني بار، بايد تمامي اين عوامل بيان كننده منحني بار در نظر گرفته شوند اضافه بر آن اين مدل ها انتظار مي رود كه با خطاي كم، منحني بار را پيش بيني نمايد.
1-4) عوامل موثر در پيش بيني بار الکتريکي
مهمترين عوامل محيطي موثر بر مصرف بار الكتريكي به صورت دسته بندي شده به شرح ذيل مي باشد:
o عوامل اقليمي
o عوامل اقتصادي
o تاثير زمان بر بار مصرفي
1-4-1) عوامل اقليمي
عوامل اقليمي موجب مي شود منحني مصرف برق مربوط به دستگاه هاي گرم كننده و سرد كننده تغيير كند. عواملي چون درجه حرارت، رطوبت هوا و سرعت وزش باد از مهمترين عوامل اقليمي مي باشند.
1-4-2) عوامل اقتصادي
عوامل اقتصادي به عنوان مكان برخي صنايع سنگين مانند فولاد و ذوب آهن نوسانات شديد و غير قابل كنترل دارند. مشخص نبودن ساعت دقيق كاركرد اين قبيل صنايع موجب مي شود منحني مصرف آنها شكل تصادفي به خود گيرد. همچنين طوفان، صاعقه، پخش برنامه هاي خاص تلويزيون كه داراي مصرف مشخص نيستند و رويدادهاي ورزش را مي توان از اين قبيل عوامل تصادفي دانست.
1-4-3) تاثير زمان بر بار مصرفي [?][?]
منحني تغييرات بار نمايانگر رفتار مصرف كنندگان برق در هر جامعه است. روزهاي مختلف هفته را مي توان به چهار گروه شنبه، ميان هفته، پنج شنبه، جمعه مناسبت هاي مختلف جشن، عزاي عمومي تقسيم نمود كه هر يك از نحوي جداگانه بر ميزان بار مصرفي در شبكه سراسري اثر مي گذارند. شنبه در6 ساعت اول روز( بامداد ) به مناسبت تعطيلي شيفت سوم صنايع با ساير روزها تفاوت دارد و بار كم است.
مناسبت هاي مذهبي چون بر اساس سال قمري است و به دليل گردش 11 روز بر روي تقويم شمسي، باعث ايجاد روزهاي خاص زيادي در دسته بندي هاي بر شمرده فوق ايجاد مي نمايد. ماه رمضان نيز بر شكل منحني بار اثر مي گذارد به نحوي كه در هنگام سحر افزايش باري تا 1600 مگاوات و كاهش قله پيك شبانگاهي تا 5 درصد در اين ماه پديدار مي شود.
حداقل بار مصرفي در يكي از روزهاي عاشورا و يا 13 فروردين كه تقريبا تمامي فعاليتهاي صنعتي، تجاري، بخش اعظم عمومي و كشاورزي تعطيل است، اتفاق مي افتد. مطالعات بار نشان ميدهد كه پخش برنامه هاي پربيننده تلويزيون مثل مسابقات مهم ورزش در نيمه ها شب باعث افزايش بار تا حدود 650 مگاوات و به عكس به هنگام اوج مصرف باعث كاهش تا حدود 300 مگاوات از بار مصرفي ميگردد. علت عمده اين اتفاق به ظاهر غير عادي تعطيلي ساير فعاليت هاي براي تماشاي برنامه مورد علاقه است. لحظه تحويل سال نو نيز بر حسب زماني باعث افزايش بار به ميزان 600 تا 1400 مگاوات ميگردد.
در فصل اول اين پروژه، به اهميت پيش بيني بار در سيستم هاي قدرت پرداخته شده است.
در فصل دوم با انواع مدلهاي پيش بيني از جمله مدل سري زماني، رگرسيون، مصرف نهائي، شبکه عصبي و فازي آشنا مي شويم. با توجه به اينکه پيش بيني بار متداول در شرکت توزيع مازندران با استفاده از روش رگرسيون مي باشد، در ادامه با استفاده از نرم افزار SAS به ارائه اين مدل جهت پيش بيني بار پرداخته شده است.
با تحليل مدل برازش شده مشاهده شده است که اين مدل قادر به پيش بيني بار روزهاي خاص، شامل روزهاي تعطيل و نيز روزهاي آخر هفته نمي باشد.
در ادامه براي دستيابي به مدل مطلوب به بررسي روش فازي پرداخته شده است. در اين راستا ابتدا در فصل سوم به تشريح منطق فازي و روش پياده سازي برنامه در محيط مطلب اشاره نموده و در فصل چهارم با بهره گيري از اطلاعات سالهاي گذشته و نمودار مصرف و لحاظ نمودن تاثير عوامل محيطي، بار کوتاه مدت استان مازندران را پيش بيني شده است.
2-1) پيش ‌بيني
پيش بيني فرآيند برآورد موقعيت‌هاي ناشناخته هاست. يک پيش بيني يک پيش گويي در مورد رويدادهاي آينده در اختيارمي گذارد و مي‌تواند تجارب گذشته را به پيش‌بيني حوادث آينده بدل سازد. در سالهاي اخيرپيش بيني، به پيش بيني شيوه طرح تقاضا در کسب وکار روزانه شرکت‌هاي سازنده تبديل شده‌است.
1-2) دقت پيش‌بيني
نکته قابل توجه ديگر در پيش‌بيني، دقت پيش‌بيني است. در سال‌هاي اخير مطالعات متعددي در زمينه چگونگي ارزيابي دقت پيش بيني صورت گرفته ‌است. خصوصيات محيطي، از قبيل طبيعت متغير مورد پيش‌بيني، افق پيش‌بيني، ايدئولوژي پيش‌بيني کننده و فناوري مورد استفاده، عوامل مؤثر در دقت پيش بيني هستند.
خطاي پيش بيني، اختلاف مقدار واقعي و مقدار پيش بيني شده در پريود متناظر مي‌باشد. اگر E خطاي پيش بيني در پريودt، Y مقدار حقيقي در پريودt وF مقدار پيش بيني در پريودt باشد، خطاي پيش بيني طبق رابطه زير، برابر است با:
(1-1)Et = Yt – Ft
غالباً شاخص‌هايي براي ارزيابي صحت پيش بيني استفاده مي‌شوند.معيارهاي خطاي پيش بيني هر چه کمتر باشند نمايانگر پيش بيني دقيق تر هستند.
1-3) معيار سنجش خطا در پيش بيني
– ميانگين قدر مطلق خطا
– ميانگين قدر مطلق درصد خطا
– درصد ميانگين قدر مطلق خطاها
– ميانگين مربعات خطا
– ريشه ميانگين مربعات خطاها
تحقيقات نشان داده‌ است، دقت پيش‌بيني‌هاي کوتاه‌ مدت بيشتر از بلند مدت است. همچنين رويکردهاي سري زماني دقيق تر از مدل‌هاي اقتصادسنجي بوده ‌است.
2-4) روشهاي پيش بيني
به طور كلي روشهاي پيش بيني به دو دسته كلي تقسيم مي شوند:
o روش سنتي
o روش مدرن
از جمله روشهاي سنتي مي توان به روشهاي زير اشاره نمود:
o روش سري زماني
o روش رگرسيون
o پيش بيني باربا استفاده ازآمارهاي مستقل
o روش مصرف نهايي
o روش کاربري ارضي
از جمله روشهاي مدرن مي توان به روشهاي زير اشاره نمود:
o روش عصبي
o روش فازي
2-4-1) روش سري زماني
ايده روش سري زماني بر اساس درك اين مطلب است كه الگوي بار چيزي نيست بيش از يک سيگنال سري زماني با پريودهاي مشخص روزانه، هفتگي و يا فصلي. اين تناوب، يك پيش بيني بار با بي نظمي در هر زمان مي دهد كه تفاوت بين پيش بيني بار و واقعي را مي توان به صورت يك فرايند اتفاقي در نظر گرفت كه با آناليز اين سيگنال تصادفي مي توان به دقت بيشتري در پيش بيني دست يافت. از جمله مهمترين تكنيكهاي كه براي آناليز اين سيگنال تصادفي استفاده مي شود مي توان به فيلتر كالمن، روش باكس -جنكينز، اتورگرسيون، روش فضاي حالت و روش تجزيه طيفي اشاره كرد ]11[.
روزانه سوالات بسياري از رفتارهاي آتي پديده هاي پيرامون ما مطرح مي شود، که پاسخ به آنها بستگي به دانايي و آگاهي کافي از سازوکار رويداد آن پديده ها دارد. پيش بيني وضع هوا، پيش بيني نرخ سهام، پيش بيني قيمت نفت جهاني و دهها مورد مشابه از جمله سوالات مورد علاقه ما است. در يک نگاه کلاسيک علمي، براي پاسخ دادن به هر يک از موارد ياد شده، لازم است سازوکار رخداد هر يک از پديده ها و تاثير هر عامل در رخداد آن به صورت تحليلي اطلاع کافي داشته باشيم. پر واضح است به دست آوردن اين سازوکارها در بسياري از موارد اگر غير ممکن نباشد، بسيار دشوار و دست نايافتني است.
در يک نگاه متفاوت، چنانچه، هر يک از رخدادها به صورت يک دنباله در قالب اعداد و کميت، مورد بررسي قرار گيرد، مي تواند راهکاري براي پيش بيني مقادير آتي باشد. اين دنباله ها، صرفنظر از اينکه مربوط به چه پديده و برخاسته از چه سازوکار و متاثر از چه عواملي باشند، به نام سري زماني تحليل و آناليز مي شوند. البته، ناگفته نماند که بسياري از مفروضات و اطلاعات موجود در مورد يک پديده، مي تواند در آناليز سري زماني مربوط مورد استفاده قرار گيرد. در يک سري زماني متشکل ازn نمونه
(?-?)
مقادير آتي، تابعي از مقادير قبلي خود است.
(?-?)
در مدل هاي خطي سري زماني همچون ARMA , MA , AR وARMAX روش هاي متنوع کلاسيک “تخمين و شناسايي” وجود دارد که مي توان مقادير آتي سري زماني را بر اساس هر يک از مد هاي گفته شده مبتني بر مقادير قبلي محاسبه کرد. لکن، پيش بيني سري هاي زماني که از مدل غير خطي پيروي مي کنند، نيازمند ابزارهاي هوشمند و پيشرفته اي مانند شبکه هاي عصبي است. به طور خلاصه، هدف، يافتن يک “ماشين پيش بيني کننده” است که مي تواند با مشاهده مقاديري از يک سري زماني، مقادير آتي آن را پيش بيني کند. اين روند در شکل (2-1) ارائه شده است.
پيش بيني سري زماني با تقدم صفر (m=0) به وسيله شبکه عصبيMLP با الگوريتم يادگيري انتشار وارون از چهار روش مختلف تحليل نمونه هاي آموزشي مورد بررسي قرار گرفته است. در هر يک از اين روشها، يک ماشين پيش بيني (شبکه عصبي) با i ورودي و o خروجي استفاده شده است. اين ماشين، قادر است پس از طي مراحل آموزش، با مشاهدهi نمونه از سري زماني، o نمونه بلافصل آنها را پيش بيني کند.
شکل?-?: ماشينپيش بيني کننده
براي آموزش ماشين (يا شبکه عصبي) يک مجموعه آموزشي باp عضو (هر عضو متشکل از i نمونه) و براي ارزيابي و آزمايش آن يک مجموعه آزمون با q عضو استفاده شده است. در هر مرحله آموزش، خروجي ماشين پيش بيني کننده (يا شبکه عصبي) با مقادير واقعي نمونه ها مقايسه شده و ضرايب دروني شبکه بر اساس الگوريتم آموزشي مورد نظر اصلاح مي وشد. پس از پايان دوره آموزش، مجموعه آزمون به ماشين پيش بيني کننده داده شده و خروجي آن با مقادير اصلي مقايسه مي شود. نتايج مقايسه مقادير پيش بيني شده به وسيله ماشين و مقادير اصلي، مواد لازم را جهت محاسبه معيار و در نهايت، ارزيابي پيش بيني را فراهم مي کند.
XIنمونه i ام سري زمانيN تعداد کل نمونه هاي سري زمانيXIنمونه i ام سري زماني پيش بيني شدهI تعداد ورودي هاي شبکه عصبيP تعداد عناصر مجموعه آموزشي Oتعداد خروجي هاي شبکه عصبيQتعداد عناصر مجموعه آزمونYIنمونه i ام از سري زماني پردازش شده
(?-?)
روش اول
در اين روش، مجموعه آموزشي شبکه شاملP عضوi تايي از نمونه هاي سري زماني است. هرi نمونه تعدادo نمونه آتي را پيش بيني مي کند.
Target
مقادير واقعيOutput
پيش بيني شبکهTraining Set
نمونه هاي آموزشي شبکه
……….
.
……….

……..
شکل?-?: نمونه هاي آموزشي، پيش بيني شده و مقادير واقعي شبکه
Error
خطاOutput
پيش بيني شبکهTest Set
نمونه هاي ارزيابي شبکه
……..

……….
شکل?-?: نمونه هاي ارزيابي وپيش بيني شده
شکل?-?: روش اول پيش بيني
روش دوم
در اين روش، مجموعه آموزشي شبکه، همچون روش اول شاملP نمونه است. اولين عضو اين مجموعه،i نمونه اول سري زماني است. در عضو دوم، يک نمونه جديد از مجموعه پيش بيني شده مرحله قبلي اضافه مي شود. اين روند ادامه مييابد، يعني در هر عضو جديد، يک نمونه از نمونه هاي پيش بيني شده قبلي اضافه مي شود. مقادير واقعي در آموزش شبکه، مقادير اصلي سري زماني است. پر واضح است در چنين روشي، خطا انباشته شده و پيش بيني به اندازه روش اول دقيق نخواهد بود. در واقع در اين روش، آنچه رخ مي دهد نه فقط يک پيش بيني، بلکه يک تخيل است.
Target
مقادير واقعيOutput
پيش بيني شبکهTraining Set
نمونه هاي آموزشي شبکه
………

………

……..
شکل?-?: نمونه هاي آموزشي، پيش بيني شده و مقادير واقعي شبکه
Error
خطاOutput
پيش بيني شبکهTest Set
نمونه هاي ارزيابي شبکه
…….

……….
شکل?-?: نمونه هاي ارزيابي وپيش بيني شده
شکل?-??: روش دوم پيش بيني
در اين روش، با توجه به اينکه نمونه هاي آموزشي نتيجه پيش بيني مرحله قبل است، در هر مرحله آموزش، مجموعه آموزشي، مقادير جديدي خواهد بود، در حالي که مجموعه مقادير واقعي همواره ثابت و برابر نمونه هاي اصلي سري زماني است، لذا، نتايج پيش بيني به مقادير اوليه خود به شدت حساس است. چنانچه، از طرح شماتيک اين روش نمايان است. اين روش پيش بيني، يک سيستم بسته است که صرفاً از يک نمونه آزمون اوليه آغاز شده و تا بي نهايت قادر به پيش بيني سلسله وار است. (يعني براي هر پيش بيني جديد هر بار نياز به ورودي جديد ندارد.)
روش سوم
در اين روش، از يک ماشين پيش بيني (با يک شبکه عصبي) باi ورودي و o خروجي براي پيش بيني “پراکندگي سري زماني” استفاده شده است. در واقع، قبل از ماشين پيش بيني، يک مرحله پيش پردازش و پس از آن يک مرحله پس پردازش وجود دارد.
شکل?-8:?روش سوم پيش بيني
همان گونه که تاکيد شد، در اين روش، پراکندگي سري زماني از متوسط آن مطابق با فرمول زير پيش بيني مي شود.
(?-?)
(?-?)
روش چهارم
در اين روش، از يک ماشين پيش بيني (با شبکه عصبي) با i ورودي وo خروجي براي پيش بيني “رشد مقادير سري زماني” استفاده شده است. در واقع، همانند روش سوم قبل از ماشين پيش بيني، يک مرحله پيش بيني پردازش و پس از آن، يک مرحله پس پردازش وجود دارد. در اين روش، رشد مقادير سري زماني در هر مرحله نسبت به مرحله قبل مطابق با فرمول زير پيش بيني مي شود.
(?-?)
(?-?)

2-4-2) روش رگرسيون
روش عمومي در رگرسيون به صورت زير است:
ابتدا اطلاعات موجود از قبيل نياز مصرف و درجه حرارت و متغيرها آب وهوائي را انتخاب و جمع آوري مي كنيم سپس عناصر وابسته و مستقل را پيدا كرده وبصورت يكي تركيب خطي در نظر مي گيريم وبا استفاده از نرم افزارهاي موجود ضرايب آن را بدست مي آوريم.
انواع مدلهاي رگرسيوني در ذيل آمده است:
الف) رگرسيون خطي
(?-8)(?-?)
(?-??)
??(?-??)(?-??)(?-3?)
(?-??)
ب) رگرسيون نمايي
(?-??)

ج) رگرسيون تواني
(?-??)
د) رگرسيون لگاريتمي
(?-??)

2-4-3) پيش بيني بار با استفاده ازآمارهاي مستقل
دراين روش با استفاده ازآمارهاي مستقل ديگر نظير جمعيت، تعداد خانوار تخميني، وسايل الكتريكي هر خانوار و همچنين اطلاعاتي درمورد رشدمشتركين و سطح درآمدي آنها، رشد سرانه مصرف و طرح هاي جامع شهرسازي مي توان بار آينده را پيش بيني نمود. برخي از روشهايي كه با استفاده ازاطلاعات فوق پيش بيني بار را انجام مي دهند عبارتند از:
o روش مصرف نهايي(End Use)
o روش کاربري ارضي (Land Use)
که در ادامه به بررسي آنها مي پردازيم:
2-4-4) روش مصرف نهايي
در اين روش،پيش بيني بار براساس انرژي مصرفي وسايل الكتريكي موجود صورت مي گيرد وطي سه مرحله اساسي زير پيش بيني انجام مي شود:
o پيش بيني رشد
o تحليل توسعه
o تحليل مصرف
درقدم اول كه بحث پيش بيني رشد مطرح مي گردد، تعداد واحدهاي مصرف كننده انرژي ونوع وسايل و لوازم مصرفي آنها مورد بررسي قرار گرفته و با توجه به ميزان رشد خريد وسايل الكتريكي و ميزان رشد مصرف انرژي، درقدمهاي بعدي يعني تحليل مصرف، بار كل منطقه برآورد خواهد شد.
در روش مصرف نهايي مراحل كار را مي توان بصورت زير خلاصه بيان كرد:
o پيش بيني نرخ رشد تشكيل خانوار
o جمع آوري اطلاعات وسايل الكتريكي فروخته شده درسالهاي گذشته و فعلي
o پيش بيني پتانسيل وسايل الكتريكي جديد
o پيش بيني رشد جمعيت
o تعيين كيلووات مصرفي هر وسيله
o پيش بيني راندمان وسايل الكتريكي
o پيش بيني بار كل منطقه از روي بار برآوردشده براي منطقه
2-4-5) روش کاربري ارضي
اصول كلي اين روش مبتني برجمع آوري اطلاعات مورد نياز ازسطح هر منطقه از شهرمي باشد. دراين روش بعد از تقسيم بندي نواحي، پيش بيني براساس ميزان مصرف،متوسط نوع مصرف و همچنين چگالي بار مصرفي صورت خواهد پذيرفت.
معمولا در هر ناحيه كاربري هاي متفاوتي وجود دارد كه با توجه به نوع اين كاربريها ومساحت اشغالي آنها پيش بيني باربراي نواحي انجام ميشود. مراحل كار بدين صورت مي باشد كه ابتدا درهرناحيه كوچك انواع كاربري هاومساحت آنها مشخص مي شودكه البته انجام همين عمل بسيار زمان برمي باشد،سپس پيش بيني بار براي هركدام ازاين نواحي كوچك بدست مي آيد.دراين مرحله با استفاده از روشهاي مختلف مي توان پيش بيني بار را انجام دادكه باتوجه به نوع روش بكاربرده شده،روش كاربري ارضي مي تواند به شاخه هاي مختلفي تقسيم شود.
پارامترهايي كه در پيش بيني بار روش كاربري ارضي بايد مورد توجه قرار گيرند عبارتنداز:
o چگالي بار
o رشد بار
o تقسيم بندي نواحي
به طوركلي با توجه به نوع اطلاعات در روش كاربري ارضي مانند طرحهاي شهرسازي وعمراني،اين روش بيشتر براي پيش بيني بلند مدت بكارمي رود و كمتر در دوره هاي ميان مدت وكوتاه مدت كاربرد خواهد داشت. نتايج حاصله از برآورد بار بااستفاده ازاين روش مي تواند در طراحي شبكه هاي توزيع درسطح يك شهر يا منطقه درسالهاي آينده بسيارمفيدباشد.امروزه استفادهازاين روش باتوجه به رشد دانش شهرسازي وهمچنين افزايش دقت دربرآوردهاي اقتصادي، به طور روز افزون رو به افزايش است.
در سال هاي اخير كاربرد روش هاي مدرن هوش مصنوعي نظير شبكه هاي عصبي و سيستم هاي خبره فازي به منظور پيش بيني بار بسيار مور توجه قرار گرفته است.
2-4-6) روش عصبي
بلوك ساختماني اصلي كليه مغزهاي موجودات زنده، سلولي عصبي يا نرون مي باشند هر نرون به صورت يك واحد پردازشگر عمل مي كند در واقع مغز مجموعه اي است از چندين ميليون از اين واحدهاي پردازشگر كه به صورت بسيار پيچيده اي به هم مرتطبتند و به صورت موازي عمل مي كنند. در مغز هر نرون مقادير ورودي را از ديگر نرونها مي گيرد به تابع انتقال اعمال مي كند و خروجي اش را به لايه بعدي از نرونها مي فرستد. اين نرونها به نوبت خروجيها را به ديگر لايه ها مي فرستند. به روش مشابه شبكه هاي عصبي مصنوعي از چند صد يا چندين هزار واحد پردازشگر ساده تشكيل شده اند كه به صورت موازي به هم مرتبطبند و در چندين لايه به دنبال هم هستند.
يك شبكه عصبي مصنوعي يك سيستم پردازش اطلاعات است كه مشخصات كاري آن مشابه شبكه هاي عصبي طبيعي است شبكه هاي عصبي مصنوعي بر اساس تعميم مدل رياضي نرونهاي طبيعي بر اساس فرضيات زير بوجود آمده اند.
o پردازش اطلاعات در عناصر كوچك وساده اي به نام نرون صورت مي گيرد.
o سيگنال هاي از طريق خطوط ارتباطي بين نرونها عبور مي كند.
o هر خط ارتباطي داراي وزني مشخص است كه در يك شبكه عصبي نوعي در سيگنال عبوري ضرب مي شود.
o هرنرون يك تابع فعاليت دارد كه آن را به مجموع وروديها اعمال مي كند ( كه معمولا غير خطي است ) تا سيگنال خروجي اش را مشخص مي كند.
هر شبكه عصبي توسط اين سه پارامتر مشخص مي شود:
o نحوه اتصال بين نرونها ( كه معماري شبكه ناميده مي شود.)
o روش تعيين وزنهاي اتصالات ( كه الگوريتم آموزشي يا يادگيري گفته مي شود. )



قیمت: تومان


پاسخ دهید