| تبليغات | X |
 |
 |
|
| پایان نامه ، پروژه ، مقاله ، تحقیق |
|
كاربرد آناليز طيف تكين در شناسايي و تصحيح دادههاي نامناسب بار مورد استفاده در پيشبيني بار مصرفی برق استان کرمانشاه
و تحلیلی جامع از عملکرد اداره برق منطقه ای استان کرمانشاه
در سال1386
واژههاي کليدي: پيشبيني بار كوتاهمدت، شناسايي و تصحيح دادههاي نامناسب، مانده هنجار شده، آناليز طيف تكين
چكيده مديريت توليد و توزيع انرژي الكتريكي براساس تطبيق عرضه بر تقاضا، اقدام به برنامهريزي بهرهبرداري مينمايد. بنابراين پيشبينيبار (تقاضا) از اهميت ويژهاي برخوردار است و بايد تا حد امكان دقيق باشد. خطاي پيشبيني به روش و كيفيت دادههاي بكار رفته بستگي دارد. اشكالات ثبت و اتفاقات ناخواسته بر كيفيت دادههاي بار تاثير ميگذارند. شناسايي و تصحيح دادههاي نامناسب بار ميتواند چون فيلتر ورودي پيش از شروع پيشبيني بار عمل كند.در اين پروژه، روشي براساس آناليز طيف تكين (SSA) براي شناسايي و تصحيح دادههاي نامناسب بار ارايه شده و براي دادههاي برق کرمانشاه با روش مبتني بر مانده هنجارشده (NR) مقايسه شده است. روش SSA به ويژه در روزهاي خاص تعطيل و ساعات پيك عملكرد بهتري دارد. 1- مقدمهپيشبيني بار كوتاه مدت نقش اساسي در بهرهبرداري سيستم قدرت ايفا مينمايد. اين پيشبيني نياز به نگاشتي دارد كه با استفاده از وروديهاي از پيش تعيينشده بتواند بار را در فواصل ساعتي تا چند روز بعد پيشبيني نمايد. بار يك سيستم به پارامترهاي آب و هوايي و پارامترهاي بار وابسته است. در ايران، دادههاي آب وهوايي نظير دما از سازمان و مراكز هواشناسي قابل تهيه است. دادههاي بار مناطق شبكه سراسري ايران بيشتر با ثبت اپراتور بدست ميآيند كه خود ميتواند از عوامل ايجاد خطا باشد. از سوي ديگر اتفاقات ناخواسته يا روندهاي غير عادي بهرهبرداري نيز منحنيهاي بار غيرمعمولي را باعث ميشوند كه براي كاربرد پيش بيني بار شرايط عادي، نياز به تصحيح دارند. بدين ترتيب با توجه به تاثير مستقيم و قابل توجه كيفيت دادههاي بار بر خطاي پيشبيني، اهميت شناسايي و تصحيح دادههاي نامناسب در مجموعه دادههاي بار آشكار ميشود. در مراجع [1-3] روش مبتني بر مانده هنجار شده و تلفيق با برازش منحني براي شناسايي و تصحيح دادههاي نامناسب بار بكار رفته است. آناليز طيف تكين ابزار قدرتمندي است كه براي استخراج اطلاعات از سريهاي زماني استفاده گرديده است ]4و5[. اين پروژه روشي را مبتني بر آناليز طيف تكين ارايه نموده و عملكرد آن را با روش پيشين مقايسه مينمايد. در ادامه، بخشهاي (2) و (3) روشهاي مانده هنجارشده و تحليل طيف تكين را معرفي مينمايند. در بخش (4) تصحيح دادههاي نامناسب آمده است. بخش (5) نتايج پيادهسازي براي دادههاي بار برق کرمانشاه را ارايه ميدهد. بخش (6) به نتيجهگيري اختصاص دارد و مراجع پايانبخش پروژه است. الگوریتمهای برونیابی: برونیابی آنالیز طیفی بار در پروژهات پیشین بهوسیله محققان زیادی انجام شد، که میتوان (Karsli, H, 2006) و(Honarvar, F., Sheikhzadeh, H., Moles, M., Sinclair, 2004) را نام برد. در این پروژهات آنالیز طیفی بار بهصورت یک سیگنال مختلط برونیابی شده است. بدین منظور که اجزای حقیقی و موهومی طیف همزمان و بدون جدا کردن و بهوسیله الگوریتمهای برونیابی آنالیزورهای طیفی مختلط برونیابی شده اند. در این پروژه تصمیم برآن است، اجزای حقیقی وموهومی طیف را جداگانه برونیابی کنیم. اجزای حقیقی و موهومی طیف را میتوانیم سیگنال های طیفی خوش رفتار با قابلیت پیشبینی بالا در نظر بگیریم. در این روش با توجه بهحقیقی بودن سیگنال، میتوانیم از آنالیز طیف تکین بهعنوان ابزاری توانمند در پیشبینی اجزا استفاده کنیم، و این برتری روش نسبت به روشهای پیشین است. چون صحبت از پیشبینی شد و این پیشبینی بهروش آماری خود برونیابی انجام می شود، لازم است ابتدا در مورد ابزارهای آماری لازم جهت برونیابی آنالیزورهای طیفی بحث کنیم، و قبل از آن شرحی بر آنالیزورهای طیفی لازم است.
آنالیز های طیفی: یک آنالیز طیفی مجموعهای از مشاهدات متوالی در زمان است. نمونه آن در گسترههای مختلف، از اقتصاد گرفته تا علوم مهندسی وجود دارد، و روشهای تحلیل آنالیزورهای طیفی بخش مهمی از آمار و احتمالات را شامل میشود. واژهشناسی آنالیزورهای طیفی: آنالیزورهای طیفی از لحاظ نحوه نمونهگیری بهدو دسته گسسته و پیوسته تقسیم میشوند. واژه پیوسته برای آنالیزورهایی بهکار میرود، که مشاهدات بهصورت پیوسته در زمان انجام شوند. حتی اگر متغیر فقط مقادیر گسستهای را بهپذیرد. وازه گسسته نیز برای آنالیزورهایی به کار می رود که مشاهدات در زمان های خاصی که اغلب دارای فاصله طیفی مساوی هستند، انجام پذیرد. حتی اگر متغیر اندازهگیری شده، متغیری با مقادیر پیوسته باشد. در این پروژه ما با آنالیزورهای طیفی گسسته سروکار داریم. آنالیزورهای طیفی گسسته بهروشهای مختلفی ساخته میشوند. میتوان آنالیز طیفی گسسته را با نمونهگیری از آنالیز پیوسته تولید کرد. در حالتی هم که متغیری مقدار لحظهای نداشته باشد، با جمع مقادیر متغیر در بازههای طیفی مساوی و انتصاب آن به یک زمان در آن بازه، می توانیم آنالیز طیفی گسسته ایجاد کنیم. بهعنوان مثال مقدار ماهانه صادرات و بارش روزانه را میتوان نام برد. بعضی از آنالیز های طیفی هم ذاتأ گسسته هستند. مثلا سهام پرداخت شده به شرکا دریک سال توسط یک شرکت نمونهای از آنالیزورهای طیفی هم ذاتأ گسسته هستند.اغلب تئوریهای آماری مربوط به نمونههای اتفاقی از مشاهدات مستقل هستند. ویژگی مخصوص آنالیزورهای طیفی، مستقلنبودن مشاهدات متوالی است، و آنالیز براساس ترتیب طیفی مشاهدات انجام میشود. وقتی مشاهدات متوالی وابسته باشند، مقادیر آینده از روی مقادیر گذشته قابل پیشبینی هستند. اگر یک آنالیز طیفی بهطور دقیق قابل پیشبینی باشد، بهآن قطعی میگویند. اما بیشتر آنالیز های طیفی تصادفی هستند، بدین معنی که مقادیر آینده بهطور نسبی از روی مقادیر گذشته تعیین می شوند، بدین معنی که پیشبینی دقیق غیرممکن است و این واژه با این ایده که "مقادیر آینده دارای یک توزیع احتمال بر اساس مقادیر گذشته است"، جایگزین میشود. فهرست صفحات پروژه: فهرست: چکیده1 مقدمه 2الگوریتم برون یابی 4آنالیز طیفی4 واژه شناسی آنالیزورهای طیفی 4اهداف آنالیزطیفی5 توصیف5 تشریح 6پیش بینی 6تکنیک های توصیفی ساده 7انواع تغییرات 7آنالیزور های طیفی ایستا8 بررسی آنالیزور هایی شامل تغییرات نوسانی 9بررسی آنالیزورهای طیفی دارای یک روند9 فیلتر کردن 10تفاضل گیری 12خود هم بستگی13 هم بستگی نما 15فرآیند های تصادفی16 فرآیند های ایستا17 تابع خود هم بستگی 18فرآیندهای کاملا تصادفی19 فرآیند گام تصادفی 19فرآیند میانگین متحرک 20فرآیند خود برون یابی 21فرآیند خود برون یابی مرتبه اول 22فرآیند خود برون یابی مرتبه کلی 24انتخاب مدل آماری مناسب جهت پیش بینی 26تفسیر هم بستگی نما 26برازش مدل خود برون یابی 27تخمین پارامترهای مدل خود برون یابی 27تعیین مرتبه مدل خود برون یابی 29آنالیز طیف تکین 29شناسایی داده های نامناسب بار به روش NR 36روشی جدید مبتنی بر آنالیز طیف تکین 38شناسایی داده های نا مناسب بار با SSA 40تصییح داده های نا مناسب42 پیاده سازی روی داده های برق استان کرمانشاه 43نتیجه گیری49 مراجع50 ضمیمه برنامه روش پیش بینی توسط نرم افزار MATLABمراجع ] 1[ سعيده برقي نيا، پويا انصاري مهر، ناصر وفادار،"پيشنهاد روشي حهت شناسايي و تصحيح داده هاي نامناسب بار در شبكه سراسري ايران مورد استفاده در بر آورد كوتاه مدت بار" پانزدهمين كنفرانس بين المللي برق، آبان 1379] 2[ وحيد وحيدي نسب، سعيده برقي نيا، پويا انصاري مهر "كاربرد برازش منحني در تلفيق با روش مانده هنجار شده براي شناسايي و تصحيح داده هاي نامناسب بار" بيستمين كنفرانس بين المللي مهندسي برق، آبان 1384[3] P. Ansarimehr, S. Barghinia, Z.Miesepasi, H. Habibi, ”Identification and Modification of Improper Load Data Used in Short Term Load Forecasting”, IEEE 2005 PowerTech Conference[4] A. Gholipour, C. Lucas, M. Shafiee, B.N. Araabi, Extracting the Main Patterns of Natural Time Series for Long Term Prediction, Journal of Aymospheric and Solar Terrestrial Physics, Elsevier, 2005.[5] R. Vautard, P. Yiou, M. Ghil, Singular Spectrum Analysis: A Toolkit for Short Noisy Chaotic Signals, Physica D, 58: 95-126, 1992. [6] M. T. Harandi and B. N. Araabi, Impulse Noise Removal Based on Long Range Correlation in an Image, ICEICS2003, IEEE
دانلود این پروژه: |
|
+ نوشته شده در
شنبه چهارم آبان 1387ساعت 11:9 توسط iaXXoi |
|
|
صفحه نخست پست الکترونیک آرشیو |
| درباره وبلاگ |
مطالب وبلاگ اکثرا پیرامون مقاله و پروژه ست. تمامی فایل های وبلاگ در سایت 4shared آپلود می شوند برای دسترسی سریع می تونید از آدرس http://krcom.4shared.com استفاده کنید.
می توانید موضوع مورد نظر خود را در این وبلاگ جستجو کنید. به دلیل احتمال فیلترینگ تعداد خیلی زیادی از مقاله ها و پروژه ها در وبلاگ قرار داده نشده است لطفا درخواست خود را توسط ایمیل (kaajeesabz (at) gmail . com) مطرح نمائید. تعدادی از عکس های وبلاگ به دلیل فیلتریک! غیر قابل دسترس هستند که برای چندمین بار تلاش خواهد شد این مشکل رفع کردد ضمن تشکر و سپاس از سیستم قدرتمند فیلتریگ! |
| پیوندها |
|
کامپیوتر و نرم افزار دنیای الکترونیک چگونه فایل های وبلاگ رو دانلود کنیم؟ اورمزد بزرگترین مرکز دانلود ایرانیان |
|
RSS
|
