فی لوو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

فی لوو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

دانلود پاورپوینت بررسی باکتری ها در سینوس های بینی

اختصاصی از فی لوو دانلود پاورپوینت بررسی باکتری ها در سینوس های بینی دانلود با لینک مستقیم و پر سرعت .

دانلود پاورپوینت بررسی باکتری ها در سینوس های بینی


دانلود پاورپوینت بررسی باکتری ها در سینوس های بینی

در سینو سها استافیلوکوک ها معمولا به عنوان فلور نرمال پیدا میشود.70در صد افراد آرئوس را در بینی خود حمل می کنند.پس کوکسی های گرم مثبت ارزش گزارش کردن ندارند. اما باکتری های گرم منفی اگر در بینی باشد باید گزارش شود و معمولا هم ایجاد بوی بد
می کنند.همچنین در ترشحات بینی لام مستقیم ارزش ندارد.

وسایل مورد نیاز: KOH 3 درصد-وسایل رنگ آمیزی گرم-H2O2 3درصد-کوآگولاز لوله ای و لامی-محیط مانیتول سالت آگار-پلیت تست دی اکسی ریبو نوکلئاز-پلیت تست فسفاتاز-دیسک نئوبیسین.

روش کار: بعد از نمونه برداری از بینی با سواپ روی 3 محیط EMB//بلاد آگار و سالت آگار به صورت 3 فازی کشت داده و سواپ را داخل محیط بویون(Nutrition broth) میندازیم.روز بعد در محیط  بلاد کلنی هایی مشابه شکل زیر مشاهده شد.ویژگی کلنی ها کدر نرم ورنگ زرد بود.

یک قطره KOH3درصد روی لام ریخته شد و با لوپ از کلنی ها برداشته و داخل KOH به مدت 60 ثانیه حرکت داده و با کشت نیامدن معلوم شد باکتری گرم مثبت است.بعد رنگ آمیزی گرم انجام شد که به صورت کوکسی خوشه ای بود شبیه شکل زیر: 

بعد تست کاتالاز روی لام انجام شد که با تولید گاز همراه بود  که نشان داد نمونه کوکسی ها-استاف هستند. برای مشخص شدن نوع استاف تست های زیر را انجام داده و روز بعد نتیجه بررسی شدو معلوم شد که کلنی های بدست آمده استاف آرئوس که فلور نرمال بینی محسوب می شوند هستند.همچنین در شکل های زیر مثبت بودن کوآگولاز به صورت لامی و لوله ای نشان داده شده است.

شامل 6 اسلاید powerpoint


دانلود با لینک مستقیم


دانلود پاورپوینت بررسی باکتری ها در سینوس های بینی

پاورپوینت درباره بررسی باکتری ها در سینوس های بینی

اختصاصی از فی لوو پاورپوینت درباره بررسی باکتری ها در سینوس های بینی دانلود با لینک مستقیم و پر سرعت .

پاورپوینت درباره بررسی باکتری ها در سینوس های بینی


پاورپوینت درباره  بررسی باکتری ها در سینوس های بینی

فرمت فایل :power point( قابل ویرایش) تعداد اسلاید: 6 اسلاید

 

 

 

 

 

 

 

 

 

 

 

بسم الله الرحمن الرحیم

هدف: بررسی باکتری ها در سینوس های بینی

مقدمه: در سینو سها استافیلوکوک ها معمولا به عنوان فلور نرمال پیدا میشود.70در صد افراد آرئوس را در بینی خود حمل می کنند.پس کوکسی های گرم مثبت ارزش گزارش کردن ندارند. اما باکتری های گرم منفی اگر در بینی باشد باید گزارش شود و معمولا هم ایجاد بوی بد
می کنند.همچنین در ترشحات بینی لام مستقیم ارزش ندارد.

وسایل مورد نیاز: KOH 3 درصد-وسایل رنگ آمیزی گرم-H2O2 3درصد-کوآگولاز لوله ای و لامی-محیط مانیتول سالت آگار-پلیت تست دی اکسی ریبو نوکلئاز-پلیت تست فسفاتاز-دیسک نئوبیسین.

 

 روش کار: بعد از نمونه برداری از بینی با سواپ روی 3 محیط EMB//بلاد آگار و سالت آگار به صورت 3 فازی کشت داده و سواپ را داخل محیط بویون(Nutrition broth) میندازیم.روز بعد در محیط  بلاد کلنی هایی مشابه شکل زیر مشاهده شد.ویژگی کلنی ها کدر نرم ورنگ زرد بود.


دانلود با لینک مستقیم


پاورپوینت درباره بررسی باکتری ها در سینوس های بینی

دانلود مقاله کامل درباره توسعه کامل سازی باد از طریق پیش بینی انرژی باد

اختصاصی از فی لوو دانلود مقاله کامل درباره توسعه کامل سازی باد از طریق پیش بینی انرژی باد دانلود با لینک مستقیم و پر سرعت .

دانلود مقاله کامل درباره توسعه کامل سازی باد از طریق پیش بینی انرژی باد


دانلود مقاله کامل درباره توسعه کامل سازی باد از طریق پیش بینی انرژی باد

 

 

 

 

 

 

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل: Word (قابل ویرایش و آماده پرینت)

تعداد صفحه :50

 

بخشی از متن مقاله

توسعه کامل سازی باد از طریق پیش بینی انرژی باد

مقدمه

همانطور که سطوح نفوذ باد از لحاظ جهانی افزایش می یابد، نیاز به پیش بینی صحیح تغییرات در تولید انرژی باد- در انواع متفاوت پیش بینی افق های زمان- برای پایداری شبکة نیرو و همچنین کارآیی تولید روز به روز مهم می شود. پیش بینی های صحیح انرژی باد، از جمله اجزاء مهم و حیاتی برای بسیاری از چالش های عملیاتی و برنامه ریزی هستند که متغیر از پیگیری بار تا برنامه ریزی انتقال و اختصاص دادن سرمایه، تا بازاریابی سطح استراژی و برنامه ریزی عملیات است. وقتی برای تصمیم گیری بکار می رود، پیش بینی های صحیح انرژی باد، هزینه های فرعی خدمات را کاهش می دهند، قابلیت اعتبار شبکه از طریق برنامه ریزی مؤثرتر افزایش می یابد و اپراتورهای پروژه و شرکت های برق می توانند تصمیمات استراژی مهمی بگیرند که باعث افزایش کارآیی می گردد. پیش بینی هایی که تا سالها بعد امتداد می یابد ، به شناسایی صحیح تر مشخصات نسل بلند مدت کمک می کند و باعث فرمولاسیون های صحیح تر فاکتور ظرفیت و انتخاب پروژه های مؤثرتر می گردد. این مقاله طرح می کند که چگونه و چرا پیش بینی انرژی باد می پردازد. دومین بخش استراژی هایی را برای پیش بینی در افق های زمانی متفاوت طرح می کند. بخش3 نتایج حاصل از پیش بینی در موقعیت های متفاوت را در عرض ایالات متحده بررسی می کند. بخش آخر، خلاصه ای را فراهم کرده و مروری دارد بر آیندة پیش بینی.

سابقه پایه های هواشناسی

همانطور که همه ما می دانیم، باد، سوختی برای انرژی باد است. مادامیکه دشواری بسیار زیاد ساده کردن باد، اساساً نتیجة اختلاف های در فشارها در فواصل افقی است، با این اختلاف، گرادیان فشار مطرح می شود. در ساده ترین سطح، حاصل عدم تعادل های گرمایی هستند و در اساسی ترین سطح، حرارت غیر یکنواخت زمین، باد را به حرکت در می آور. در مقیاس های دقیقه، ساعت و روزانه، تغییرات در شرایطهای جوی در توپوسفر- پائین ترین سطح جو –   آب و هوا  نامیده  می  شوند .  از سوی دیگر، شرایط آب وهوایی یا آب و هوا بر اساس یک مقیاس زمانی فرق می کند: شرایط آب و هوا، الزاماً توده و تراکم آب و هوا روی یک قسمت طولانی زمانی است و بنابراین ایده ای دربارة مشخصات متوسط آب و هوا فراهم می کند ( در مورد خاص ما، باد است) آب و هوا در تعدادی از مقیاس های هوایی فرق می کند از مقیاس های روزمره گرفته تا سال به سال و دامنة این تغییرات از لحاظ جغرافیایی وابسته است.

پیش بینی افق های زمان

یک استراژی کامل و جامع پیش بینی باید به این نکته توجه داشته باشد که تاکتیک های متفاوت باید برای فلق پیش بینی هایی به کار روند که از ساعت ها گرفته تا ماهها در آینده امتداد می یابند. شکل1، پیش بینی افق های متفاوت زمانی را نشان می دهد، اینکه چه اطلاعاتی و یا تاکتیک هایی برای پیش بینی بکار رفتند و دلایل استراژیکی و یا عملیاتی متفاوت برای پیش بینی چه چیزهایی هستند. در کوتاهترین افق زمان پیش بینی- افق کاربردی برای زمینه های عملیاتی چون پیگیری بار و پایداری باد- صحیح ترین استراژی های پیش بینی به مشاهداتی چون ورودی بستگی دارند. اساساً اطلاعات حاصل از پروژة باد و در ناحیة پیرامون، پروژه باد به صورت ورودی ها در استراژی های پیش بینی آماری متفاوت بکار برده شده است. متودهای سازشی اغلب شبکه های خنثی را بکار می گیرند و اساساً برای خلق این پیش بینی ها، کاربردی می باشند. بعد از چند ساعت، متودهای پیش بینی که بر اساس مشاهدات هستند، بهترین پیش بینی را فراهم نمی کنند. بنابراین، ما به استفاده از مدل های پیش گویی آب وهوا در افق زمان پیش گویی قطعی می پردازیم که تا چند روز طول می کشد. کلمة پیش بینی قطعی برای شرح، پیش بینی رویدادهای آب وهوای خاص در پیش بینی یک سیستم آب وهوای وارده بکار میرود. موضوع های عملیاتی در این افق پیش بینی از برنامه ریزی انتقال تا اختصاص دادن سرمایة تولید متغیر است. این اطلاعات برای تجارت نیرو روز نیز مهم است البته اگر این بازارها وجود داشته باشند. در هر کجا از چند روز گرفته تا بیش از یک هفته، جو بی نظم می شود و پیش گویی های قطعی دیگر نمی توانند با هر گونه درجة مهارت صورت گیرند. در این مقیاس ها، ما باید به انواع متفاوتی از شرایطهای خارجی- یا نیروها- تکیه کنیم، شرایطهایی که می توانند الگوهای بلند مدت را تحت تاثیر قرار دهند.

این نیروها از زمینه های مطرح شده از زیر مثل تغییرات دماهای اقیانوس ناشی از نوسان جنوب El Nino ، تا زمینه های مطرح شده از بالا مثل تغییرات در دماهای استراتوسفری و تغییرات حاصله در الگوهای آب وهوا متغیرند.

متاسفانه، یا توانایی محدود شده ای برای پیش بینی این پدیده وجود دارد و یا بطور کلی این توانایی وجود ندارد و به این ترتیب به عدم اطمینان در پیش گویی بلند مدت اضافه می شود. در بلندترین افق های زمانی، که چندین دهه در آینده امتداد می یابد، تغییرات در اجزاء سازنده اتمسفر، مثل دی اکسید کربن و یا ازن می توانند پاسخ جوی را تحت تاثیر قرار دهند. موضوعات مهم در این افق زمانی به مشخصه های تولید بلند مدت پروژه توام می شوند. مشخه هایی مثل فاکتور ظرفیت پروژه.

همانطور که از شکل1 میتوان مشاهده کرد، درستی نسبی پیش بینی ها با افق پیش گویی کاهش می یابد، اما درجه ای از قابلیت پیش گویی در همة افق های پیش بینی وجود دارد.

افق های پیش گویی، نوع نیرو و موضوع های عملکردی برای پیش بینی انرژی باد.

متودها پیش بینی های رنج کوتاه

پیش گویی های کوتاه مدت بر اساس هواشناسی مشاهده و تولید نیرو از پروژه است و در مورد هواشناسی بر اساس تولید نیروی حاصله از مکان های نزدیک پروژه باد است ( معمولاً در100 کیلومتری). این داده ها در زمان واقعی جمع آوری شده و بصورت ورودی در روتین های پیش گویی آماری متفاوت بکار می روند. پیش بینی های تولید انرژی باد طی چند ساعت بعدی، یا مستقیماً خلق می شوند و یا در برخی از موارد در یک فرایند دو مرحله ای خلق می شوند. در فرایند دو مرحله ای، پیش بینی ها برای باد، در ابتدا خلق شده و سپس از طریق کاربرد آلگوریتم های منحنی نیروی دینامیکی، پیش گویی های نیروی پروژه خلق می شوند. چون آلگوریتم های آماری خود فراگیر اغلب بکار می روند، از اینرو پیش گویی های کوتاه مدت، برتری دارند اینکه می توانند از تجربه آموخته شوند و پیش بینی ها با زمان. بهتر می شوند. همچنین استفاده از مشاهدات خارج از سایت قرار گرفته از لحاظ استراتژیکی می تواند درستی پیش بینی را از10 تا 50 %  ورای آنچه که می تواند در غیاب مشاهدات خارج از سایت صورت بگیرد توسعه دهد.

شکل2- نمونة پیش گویی تولید انرژی باد چهارده روز – با مدت فواصل اطمینان برای پروژة بادMW 160 در ایالات متحده.

پیش گویی های رنج متوسط

پیش گویی عددی آب وهوا، پایه ای است برای تکنیک های پیش بینی رنج متوسط، مدل های کامپیوتری مقیاس فرو با تجزیه و تحلیل بالا و پیکربندی شده بطور صحیح، برای عمل کردن در صحت بالا برای پروژه های خاص باد بهینه شدند و بکار گرفته می شوند. استراتژی پیش گویی که برای رنجی از پیش بینی ها امکان پذیرند، می توانند پیش بینی مفیدتر و کاملتری را فراهم نمایند و همچنین اطلاعاتی را دربارة اطمینان از پیش بینی تهیه می کنند. در مورد استراتژی های پیش گویی رنج متوسط، مدل های پیش گویی عددی آب وهوا بر اساس شرایط فیزیکی، پیش گویی های برای باد خلق می کنند، بنابراین انتقال های دینامیکی نیروی نیروی انرژی باد باید بکار روند. چون مدل های آب وهوا، پیش گویی دربارة انواع متفاوت متغیرهای پیش آگهی فراهم می کنند، مثل جهت و دمای باد، از اینرو این اطلاعات می توانند در تنظیم آلگوریتم های انتقال نیروی دینامیکی بکار روند.

*** متن کامل را می توانید بعد از پرداخت آنلاین ، آنی دانلود نمائید، چون فقط تکه هایی از متن به صورت نمونه در این صفحه درج شده است ***


دانلود با لینک مستقیم


دانلود مقاله کامل درباره توسعه کامل سازی باد از طریق پیش بینی انرژی باد

بررسی مقایسه ای پیش بینی جریان رودخانه با استفاده از شبکه عصبی تکاملی و موجک

اختصاصی از فی لوو بررسی مقایسه ای پیش بینی جریان رودخانه با استفاده از شبکه عصبی تکاملی و موجک دانلود با لینک مستقیم و پر سرعت .

بررسی مقایسه ای پیش بینی جریان رودخانه با استفاده از شبکه عصبی تکاملی و موجک


بررسی مقایسه ای پیش بینی جریان رودخانه با استفاده از شبکه عصبی تکاملی و موجک

عنوان مقاله :بررسی مقایسه ای پیش بینی جریان رودخانه با استفاده از شبکه عصبی تکاملی و موجک

محل انتشار: دهمین کنگره بین المللی مهندسی عمران تبریز


تعداد صفحات:7

 

نوع فایل :  pdf


دانلود با لینک مستقیم


بررسی مقایسه ای پیش بینی جریان رودخانه با استفاده از شبکه عصبی تکاملی و موجک

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 .

دانلود تحقیق پیش بینی بار سیستم های توزیع انرژی


دانلود تحقیق پیش بینی بار سیستم های توزیع انرژی

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


دانلود با لینک مستقیم


دانلود تحقیق پیش بینی بار سیستم های توزیع انرژی