دانلود تحقیق پیش بینی بار سیستم های توزیع انرژی

اختصاصی از فی لوو دانلود تحقیق پیش بینی بار سیستم های توزیع انرژی دانلود با لینک مستقیم و پر سرعت .

فصل اول
مقدمه ای بر پیش بینی بار در سیستم های
توزیع  انرژی

1-1 مقدمه کلی و تاریخچه  
پیش بینی بار یک فرایند مرکزی و جامع در برنامه ریزی و بهره برداری صنعت برق بوده است. روشهای برخورد زیادی در دو دهه اخیر برای به کارگیری این مسئله تحقیق و بررسی شده اند.این روشها اغلب ماهیتا با هم تفاوت داشته و به نظریات مختلف مهندسی و تحلیل های اقتصادی پاسخ می دهند.
یکی از مراحل مهم در طراحی سیستمهای توزیع انرژی الکتریکی پیش بینی بار و سیر تغییرات آن از زمان حال تا پایان سال مورد نیاز برای طراحی می باشد.پیش بینی بار صحیح علاوه بر صرفه جویی در هزینه های سرمایه گذاری، امکان برنامه ریزی زمانی مناسب جهت اجرای پروژه را نیز فراهم می نماید.(طراحی دینامیک).  در کشورهای پیشرفته و در حال توسعه، برنامه های اقتصادی میان مدت و بلند مدتی به منظور رسیدن به اهداف اقتصادی و اجتماعی ان کشورها طرح ریزی می شود.یکی از شاخه های برنامه های اقتصادی، پیش بینی مصرف انرژی و شاخه فرعی ان ، پیش بینی مصرف انرژی الکتریکی است.
با پیش بینی مصرف انرژی الکتریکی می توان اطلاعات کافی برای طراحی و توسعه شبکه های توزیع تهیه کرد. این پیش بینی به منظور تحلیل نیازهای اینده و برنامه ریزی در باره محل ،ظرفیت و وابستگی فیدرها، پست های اصلی و پست های فرعی ، مورد نیاز است.
پیش بینی مصرف انرژی الکتریکی با اعمال ضریب بار به پیش بینی بار پیک تبدیل می شود. تا جهت طراحی اجزاء مختلف سیستمهای تولید ، انتقال و توزیع انرژی الکتریکی استفاده می شود
گروه کاری پیش بینی بار IEEE در دو فاز فهرست مستندی در مورد پیش بینی بار منتشر کرده است.فهرست اول(فاز 1)فلسفه های کلی پیش بینی بار را پوشش داده است،و فهرست دوم(فاز2) روی موضوعات اقتصادی پیش بینی بار تمرکز دارد.آخرین بررسی بوسیلهGross وGaliana در1987 گزارش می شود که در این گزارش نویسندگان روشهای مختلف پیش بینی بار کوتاه مدت را بررسی کرده اند. که بعضی از روشها پیشنهادی بوده و بعضی نیز هم اکنون مورد استفاده می باشند. انتشارات دیگری نیز وجود دارند که مسئله پیش بینی بار را بررسی نموده اند. یکی از اینها کار آقای Bunn است که روندهای پیش بینی بار کوتاه مدت را در صنعت تولید برق مورد ارزیابی قرار داده است.در یک کار دیگرآقایBunnوFarmer به بررسی و بحث در روشهایی از پیش بینی پرداخته اند که در صنعت برق به کار برده می شوند.کار دیگری توسط آقایFields انجام شده که مدلهای تحقیقاتی پیش بینی کمی را در بر گرفته است در پیش بینی بار تکنیکهای مختلفی برای مسئله پیش بینی روزانه بار به کار گرفته شده است.تقریبا کلیه این تکنیک ها از روشهای آماری استفاده کرده اند،اما امروزه روشهای پیشرفته تری وجود دارند
که با استفاده از سیستم های خبره(مبتنی بر دانش)مسئله پیش  بینی بار را انجام می دهند.

1-2 اهداف پروژه
بررسی اهمیت پیش بینی بار سیستم های توزیع انرژی
مزایا و نتایج حاصل از  پیش بینی صحیح بار در سیستم های توزیع انرژی
معرفی و مقایسه روشهای مختلف پیش بینی بار سیستم های توزیع انرژی
ارائه روش های نوین و کارا در پیش بینی بار سیستم های توزیع انرژی
پیشنهاد یک روش جدید در پیش بینی بار سیستم های توزیع انرژی مبتنی بر منطق فازی و شبکه های عصبی

1-3 تقسیم بندی زمانی  پیش بینی بار
انرژی الکتریکی در مقیاس وسیع به طور اقتصادی قابل ذخیره نمی‌باشد. بدین دلیل بر خلاف شاخه‌‌های دیگر اقتصاد، در اقتصاد الکتریسیته باید همزمان با مصرف, انرژی تولید گردد. میزان مصرف با الکتریکی ثابت نمی‌باشد بلکه تصوری پیچیده و غیرخطی تابعی از پارامترهای متعددی می‌باشد. با توجه به متغیر بودن میزان مصرف بار الکتریکی، شرکتهای تولید کننده برق، موظفند با پیش‌بینی آن در زمان بندی‌های مختلف اطلاعات مورد نیاز برای تصمیم گیریهای خود در سیستم قدرت را حاصل نمایند.
بطور کلی پیش بینی بار بر اساس دوره پیش‌بینی به دسته‌هایی تقسیم می‌شود
•    بلند مدت (5 تا 30 سال)، پیش‌بینی آماری اقتصادی که نقش اصلی در برنامه ریزی اقتصادی ظرفیت تولید و شبکه‌های انتقال دارد.
•    میان مدت (1 ماه تا 5 سال) ، که به طور عمده برای برنامه‌ریزی سوخت مصرفی، برنامه ریزی تعمیرات و نگهداری، برنامه‌های مالی و تعرفه بندی بکار می‌رود.
•    کوتاه مدت (1 روز تا چندین هفته) , برای برنامه‌ریزی روزانه و هفتگی، در مدار قرار گرفتن بهینه نیروگاهها (بهینه سازی ولتاژ – توان راکتیو، برنا‌مه‌ریزی برای انرژی رزرو مورد نیاز, زمان بهره‌برداری از نیروگاههای پمپ ذخیره‌ای ) و تبادل انرژی الکتریکی با شرکا استفاده میشود.
•    بسیار کوتاه مدت (چند دقیقه تا چندین ساعت) ، که اطلاعات مورد نیاز در پخش بار اقتصادی و تخمین اطمینان را تامین می‌نماید. همچنین پیش‌بینی بسیار کوتاه مدت (چند دقیقه تا چندین ساعت)، برای زمانبندی تعویض قدرت بین شرکت‌ها و مطالعه تحمیلات انتقال مفید می‌باشد.
پیش بینی کوتاه مدت بار که در آن بار یک روز تا یک هفته آینده به صورت ساعتی پیش بینی می شود معیار مهمی در برنامه ریزی جهت بهره برداری از شبکه های قدرت می باشد.
تعیین زمان حداکثر بار و آمادگی قبلی برای زمانهای بحرانی شبکه، مطالعات پخش بار، مطالعات قابلیت اطمینان سیستم، برنامه ریزی برای سرویس شبکه و حتی بهره برداری اقتصادی از شبکه های تولید و انتقال همگی در گرو پیش بینی بار ساعتی میان مدت می باشد

1-4 مرور روشهای پیش بینی بار سیستم های توزیع انرژی
روشهای مختلف برای پیش بینی بار سیستم های توزیع انرژی وجود دارد که می توان موارد زیر را نام برد
1- پیش بینی بار  با رگرسیون خطی
2- پیش بینی بار با سریهای زمانی آماری.
3- پیش بینی بار با  اکسپونانسیل عمومی.
4- پیش بینی بار با  کاربری ارضی
5- پیش بینی بار با شبکه های عصبی
6- پیش بینی بار با  منطق فازی.
1-4-1 پیش بینی بار با  روش رگرسیون خطی چندمتغیره(MLR):
در روش رگرسیون خطی چند متغیره(MLR)بار بر حسب متغیرهای توصیفی خود مثل متغیر آب و هوا ومتغیرهای غیر آب و هوایی که بر بار الکتریکی تاثیر می گذارد تعریف می شود.
مدل بار با استفاده از این روش به شکل زیر می باشد:
             
y(t) : بار الکتریکی
x(t),…,x(t): متغیرهای توصیف گر مرتبط با y(t)
a(t): متغیر تصادفی با مقدار متوسط صفر و واریانس ثابت
a,a,…,a: ضرایب رگرسیون
متغیرهای توصیف گر این مدل بر اساس تحلیلCorrelation هر یک از متغیر های مستقل با متغیر وابسته بار شناسایی می شوند. تجربه در مورد مدل کردن بار در شناسایی اولیه متغیرهای موثر کمک می کند. تخمین ضرایب رگرسیون معمولا با استفاده از تکنیک تخمین حداقل مربعات(Least square) بدست می آید.
آزمایشات آماری(مثل آزمایش F-test) نیز برای تعیین اهمیت ضرایب رگرسیون به اجرا در آورده می شوند.ضرایبt که از این آزمایشات بدست می آیند، تعیین کننده اهمیت هر یک از ضرایب و اهمیت متغیر مربوط با این ضرایب می باشد. توضیح بیشتر روش رگرسیون در فصل2 ارائه می شود.
1-4-2 پیش بینی بار با  سریهای زمانی تصادفی(STS):
این روش عمومی ترین روش برخورد است که در پیش بینی به کار گرفته می شود و هنوز هم  در دنیا برای زپیش بینی بار کوتاه مدت در صنعت برق استفاده می شود.تئوری سریهای زمانی در کتب مختلف تشریح شده اند و مقالات پیش بینی بار زیادی با تکیه بر این روش منتشر شده اند. بطور خلاصه ، سریهای بار y(t) به عنوان خروجی یک فیلتر خطی هستند که ورودی آن سریهای تصادفی a(t) می باشند و معمولا به عنوان نویز سفید نام برده می شوند. این مدل در شکل زیر نشان داده شده است:
 
شکل 1- مدل سازی سریهای زمانی بار

بسته به مشخصات فیلتر خطی ، مدلهای مختلفی به صورت زیر دسته بندی می شوند:

1-4-2-1 روش خود برگشتی (Auto regressive) (AR) :
در روش خود برگشتی مقدار فعلی سریهای زمانی y(t) به صورت خطی بر حسب مقادیر قبلی خود یعنی          y(t-2) و y(t-1) و نویز تصادفی a(t) تشریح می شود.درجه این پروسه بستگی به قدیمی ترین مقدار قبلی که y(t) به آن برگشته است دارد.در یک پروسه خود برگشتی با درجه p (یعنی AR(P) ) مدل فوق الذکر به صورت زیر در می آید:
      
با معرفی اپراتور B به صورت y(t-1)=By(t) و در نتیجه y(t-m)=By(t) ، معادله (2) به شکل زیر نوشته می شود:
  (3)                                                                                 
  -    

1-4-2-2 روش حرکت متوسط (MA)(Moving Average) :
در روش حرکت دادن متوسط ،مقدار فعلی سریهای زمانی y(t) به صورت خطی بر حسب مقادیر فعلی و قبلی سریهای نویز a(t)،a(t-1) و ... تشریح می گردند.این سریهای نویز از خطاهای پیش بینی یا باقیمانده مشاهدات بار با مقدار بدست آمده محاسبه می گردند.درجه این پروسه بستگی به قدیمی ترین مقدار نویز دارد که y(t) به آن برگشت داده شده است.در روش حرکت متوسط با درجه q (یعنی MA(p) ) مدل فوق الذکر به صورت زیر نوشته می شود:
(4)                
کاربرد مشابه معادله (3) برای اپراتور سریهای نویز سفید، در معادله (4) نیز وجود دارد که معادله را به صورت زیر در می آورد:
       
    

1-4-2-3 روش خود برگشتی حرکت متوسط (ARMA)(Auto Regressive MovingAverage)
در روش خود بر گشتی  حرکت متوسط ،مقدار فعلی سریهای زمانی y(t) به صورت خطی بر حسب مقادیر خود در زمانهای قبل یعنی y(t-1),y(t-2) و ... و بر حسب مقادیر فعلی و قبلی نویز سفید a(t),a(t-1) و... تشریح می شوند.درجه روش ARMA مدل مربوطه به صورت زیر می شود:
(6)            
با استفاده از اپراتوری که قبلا تعریف شده، معادله (6) به صورت زیر در می آید:
     
که قبلا تعریف شده اند.

شامل 170 صفحه word و 131 اسلاید powerpoint