دانلود فایل ورد Word تحلیل و پیش بینی رفتار مصرف برق مشترکین با استفاده از تکنیک های داده کاوی
دسته بندي :
کالاهای دیجیتال »
رشته کامپیوتر و IT (آموزش_و_پژوهش)
تحلیل و پیش بینی رفتار مصرف برق مشترکین با استفاده از تکنیک های داده کاوی (مطالعه موردی: شرکت توزیع نیروی برق آذربایجان غربی)
در عصر حاضر به جرات میتوان گفت بشر برای انجام فعالیتهای روزمره و افزایش رفاه زندگی خود، بیش از هر انرژی دیگر از انرژی الکتریکی بهره میبرد. با توجه به مشکل ذخیرهسازی انرژی الکتریکی، پیشبینی میزان بار مورد نیاز به منظور داشتن یک شبکه توزیع برق مطمئن و پایدار حیاتی است. مشترکین برق یکی از اصلیترین ارکان زنجیره عرضه برق میباشند. هدف این تحقیق پیشبینی برق مصرفی مشترکین و تحلیل رفتار مصرفی آنها تحت تاثیر عوامل آبوهوایی و متغیرهای زمانی میباشد. در صورت داشتن یک پیشبینی مناسب و دقیق میتوان از هدررفت منابع مالی ناشی از افزایش هزینههای عملیاتی جلوگیری نمود. از سوی دیگر، با توجه به حجم انبوه دادههای مصرف مشترکین و عوامل موثر، تنها میتوان با استفاده از ابزارهای نوین فنآوری اطلاعات همچون دادهکاوی به تجزیهوتحلیل دادهها پرداخت. ابزار دادهکاوی به استخراج الگوها و دانش پنهان از دادهها جهت یک پیشبینی درست میپردازد.
در این تحقیق، به بررسی و پیشبینی میزان مصرف برق مشترکین شرکت توزیع نیروی برق آذربایجان غربی میپردازیم. برای این منظور و با در اختیار داشتن دادههای مصرفی 5595 مشترک طی 12 دوره دوماهه، الگوریتمهای پیشبینی کننده همچون CHAID، C&R،Regression ،Neural Networks را بر روی دادههای موجود اجرا نموده و نتایج حاصل از اجرای هر الگوریتم بر اساس معیارهای ارزیابی خطای پیشبینی مانند میانگین درصد قدرمطلق خطا مورد بررسی و مقایسه قرار گرفت. نیز با خوشهبندی مشترکین با استفاده از الگوریتم Kohonen به بررسی رفتار مصرفی آنها پرداخته شد. در نهایت، به نتیجهگیری و ارائه پیشنهادات پرداختیم.
کلمات کلیدی: پیشبینی، مصرف برق، مشترک، دادهکاوی، دسته بندی، رگرسیون، خوشه بندی
عنوان صفحه
فصل اول: مقدمه و طرح مسئله
1-1- مقدمه 1
1-2- بیان مسئله تحقیق 2
1-3- ضرورت و اهداف تحقیق 3
1-4- جنبه جدید بودن و نوآوری تحقیق 6
1-5- ساختار پایاننامه 7
فصل دوم: مبانی نظری تحقیق
2-1- مقدمه 9
2-2- انرژی الکتریکی و اهمیت آن 9
2-3- ویژگیهای انرژی الکتریکی 11
2-4- تاریخچه صنعت برق در جهان و ایران 14
2-5- زنجیرهی عرضهی برق 15
2-5-1 تولید 16
عنوان صفحه
2-5-2- انتقال 16
2-5-3- توزیع 16
2-5-3-1- مصرف برق در ایران و جهان 17
2-5-3-2- مشترک 18
2-5-3-2-1- مشترکین بخش خانگی 18
2-5-3-2-2- مشترکین بخش تجاری 19
2-5-3-2-3- مشترکین بخش صنعت 19
2-5-3-2-4- مشترکین بخش عمومی 19
2-5-3-2-5- مشترکین بخش حملونقل 20
2-5-3-2-6- مشترکین بخش کشاورزی 20
2-6 مطالعه و پیشبینی بار 22
2-6-1- الگوی مصرف 23
2-6-2- پیشبینی مصرف 23
2-6-3- عوامل موثر بر مصرف برق 24
2-6-3-1- شرایط آبوهوایی 25
2-6-3-2- متغیرهای زمانی 26
2-6-3-3- ویژگیهای محل اقامت مشترک 27
2-7- دادهکاوی 27
2-7-1- اهداف داده کاوی 29
2-7-2- روشهای داده کاوی 30
2-7-2-1- دستهبندی 30
عنوان صفحه
2-7-2-2- خوشهبندی 31
2-7-2-3- تحلیل وابستگی 31
2-7-3- فرآیند دادهکاوی ( مدل CRISP-DM ) 32
2-8- چکیده فصل 34
فصل سوم: مروری بر ادبیات تحقیق
3-1- پیشینه تحقیق 36
3-2- چکیده فصل 41
فصل چهارم: روش تحقیق
4-1- مقدمه 43
4-2- فرآیند دادهکاوی 44
4-3- استاندارد CRISP-DM 44
4-3-1- مرحله درک تجاری 45
4-3-2- مرحله درک دادهها 46
4-3-3- مرحله پیشپردازش دادهها 50
4-3-4- مرحله ساختن مدل 53
4-3-4-1- الگوریتم C&R 53
4-3-4-2- الگوریتم CHAID 55
4-3-4-3- الگوریتم رگرسیون خطی 56
4-3-4-4- الگوریتم شبکه عصبی 57
4-3-4-5- الگوریتم کوهونن 58
عنوان صفحه
4-3-5- مرحله ارزیابی مدل 59
4-3-6- بکارگیری مدل 61
4-4- چکیده فصل 62
فصل پنجم: نتایج و ارزیابی
5-1- مقدمه 63
5-2- نتایج 64
5-2-1- نتایج حاصل از پیشبینی مصرف برق مشترکین با در نظر گرفتن "تعطیلات" به عنوان عامل موثر 64
5-2-2- نتایج حاصل از پیشبینی مصرف برق مشترکین با در نظر گرفتن "میانگین ارتفاع سقف ابر" به عنوان عامل موثر 66
5-2-3- نتایج حاصل از پیشبینی مصرف برق مشترکین با در نظر گرفتن "کمینه دما و بیشینه دمای موثر" به عنوان عوامل موثر 67
5-2-4- نتایج حاصل از پیشبینی مصرف برق مشترکین با در نظر گرفتن "تعطیلات، میانگین ارتفاع سقف ابر، کمینه دما و بیشینه دمای موثر" به عنوان عوامل موثر 68
5-2-5- مقایسه عملکرد حالتهای مختلف بر اساس معیار ارزیابی میانگین درصد قدرمطلق خطا 71
5-2-6- خوشهبندی رفتار مصرفی مشترکین برق با در نظر گرفتن عوامل موثر 72
5-3- چکیده فصل 76
فصل ششم: نتیجهگیری و پیشنهادات
6-1- مقدمه 77
6-2- یافتههای تحقیق 78
6-3- پیشنهاد برای تحقیقات آتی 81
منابع 82
فهرست جدولها
عنوان و شماره صفحه
جدول 4-1- اطلاعات کارکرد مشترکین 46
جدول 4-2- اطلاعات هواشناسی 48
جدول 5-1- پیشبینی مصرف برق مشترکین با عامل "تعطیلات" 65
جدول 5-2- پیشبینی مصرف برق مشترکین با عامل "میانگین ارتفاع سقف ابر" 66
جدول 5-3- پیشبینی مصرف برق مشترکین با عوامل "کمینه دما و بیشینه دمای موثر" 67
جدول 5-4- پیشبینی مصرف برق مشترکین با عوامل "تعطیلات، میانگین ارتفاع سقف ابر، کمینه دما و بیشینه دمای موثر " 69
جدول 5-5- خوشههای رفتاری مشترکین برق 73
فهرست شکلها
عنوان صفحه
شکل 2-1- نمودار مصرف برق در جهان در طی سالهای 2000-20009 17
شکل 2-2- نمودار مصرف برق در ایران در طی سالهای 1383-1389 18
شکل 2-3- درصد انرژی برق مصرفی کشور به تفکیک بخشهای مختلف در سال 1389 21
شکل 2-4- درصد مشترکین بخشهای مختلف در سال 1389 21
شکل 2-5- درصد انرژی مصرفی استان آذربایجان غربی به تفکیک بخشهای مختلف در سال 1389 21
شکل 2-6- درصد مشترکین بخشهای مختلف استان آذربایجان غربی در سال 1389 21
شکل 2-7- دادهکاوی به عنوان یک مرحله از فرآیند کشف دانش 29
شکل 2-8- مراحل مدل مرجع فرآیند دادهکاوی 33
شکل 4-1- ساختار شبکه کوهونن 58
شکل 5-1- مقایسه الگوریتمها در پیشبینی مصرف برق مشترکین با عامل "تعطیلات" 65
شکل 5-2- مقایسه الگوریتمها در پیشبینی مصرف برق مشترکین با عامل "میانگین ارتفاع سقف ابر" 67
شکل 5-3- مقایسه الگوریتمها در پیشبینی مصرف برق مشترکین با عوامل "کمینه دما و بیشینه دمای موثر" 68
شکل 5-4- مقایسه الگوریتمها در پیشبینی مصرف برق مشترکین با عوامل "تعطیلات، میانگین ارتفاع سقف ابر، کمینه دما و بیشینه دمای موثر " 69
شکل 5-5- قسمتی از درخت تصمیم ایجاد شده توسط مدل Kohonen-CHAID 70
شکل 5-6- مقادیر میانگین مصرف واقعی و پیشبینی شده توسط مدل Kohonen-CHAID 71
شکل 5-7- عملکرد حالتهای مختلف بر اساس معیار ارزیابی میانگین درصد قدرمطلق خطا 72
کلمات اختصاری
Co2 Carbon dioxide
GDP Gross Domestic Product
NI National Income
IEA International Energy Agency
LTF Long-Term Load Forecasting
MTLF Medium-Term Load Forecasting
STLF Short-Term Load Forecasting
CRISP-DM Cross Industry Standard Process for Data Mining
CI Computational Intelligence
C&R Classification & Regression
CHAID Chi-squared Automatic Interaction Detection
SOM Self-Organizing Map
MSE Mean-Square Error
RMSE Root-Mean-Square Error
MAE Mean Absolute Error
MAPE Mean Absolute Percentage Error