عنوان پایان‌نامه
داده کاوی در انباره داده ی زیر ساخت اندازه گیری پیشرفته
- رشته تحصیلی
- مهندسی برق-قدرت-سیستم ها فشارقوی الکتریکی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2968;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75424;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2968;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75424
- تاریخ دفاع
- ۲۵ مرداد ۱۳۹۵
- دانشجو
- محسن کجوری نفت چالی
- استاد راهنما
- حمید لسانی
- چکیده
- افزایش روزافزون نیاز به انرژی الکتریکی و درپی آن، پژوهش های انجام شده در این زمینه ، منتهی به معرفی برنامه هایی برای مدیریت سمت تقاضا ازجمله پاسخگویی بار در گونه های مختلف آن شده است. از طرفی پیاده سازی چنین برنامه هایی نیازمند بستر ارتباطی دوطرفه و امنی میان سمت تولید و مصرف در شبکه می باشد که این موضوع نیز منتهی به طراحی و پیاده سازی فناوری زیرساخت اندازه گیری پیشرفته در کشورهای توسعه یافته شده است. مطابق توضیحات ارائه شده، دو هدف در این پایان نامه دنبال می شود: اول) بررسی نقش زیرساخت اندازه گیری پیشرفته به عنوان عاملی برای توانمندسازی برنامه پاسخگویی بار مبتنی بر قیمت. دوم) استفاده از داده های زیرساخت اندازه گیری پیشرفته برای شناسایی مستعدترین مشترکین برای مشارکت در برنامه ی پاسخگویی بار مبتنی بر پرداخت تشویقی. در قسمت اول، ضمن بررسی مفهوم کشسانی قیمت و تعریف سناریوهای مختلف در مورد آن، میزان کشسانی بهینه ی متناظر با هر مشترک در هر سناریو تعیین می شود. این نتایج از اعمال مقادیر مختلف کشسانی روی پروفیل مصرفی مشترکین(داده های زیرساخت اندازه گیری پیشرفته) حاصل می گردد. درقسمت دوم، با تعریف شاخص هایی برای هرکدام از مشترکین و مقایسه ی این شاخص ها، بهترین مشترکین برای مشارکت در برنامه ی پاسخگویی بار مبتنی بر پرداخت تشویقی از دیدگاه شرکت های خدماتی انتخاب می شوند. قسمت دوم این پایان نامه نیز خود به دو مرحله تقسیم می شود: مرحله اول، شناسایی مشترکین مستعد و مرحله دوم، ارزیابی عملکرد مشترکینی که مستعد شناخته شده اند. واژه‌های کلیدی: زیرساخت اندازه گیری پیشرفته، کشسانی بهینه، کشسانی اقتصادی، لختی هزینه، آنتروپی مصرف، نگاشت خودسازمانده، ماشین بردار پشتیبان
- Abstract
- The increasing need for electricity energy in all types of consumption, household, industrial, commercial and so on in recent years is undeniable. Researches and reports of energy institute confirm this increasing rate and predict ascendant trend for this requirement in the future. So, challenges of this issue caused introducing demand-side management concept. Demand-Side Management is planning and implementing activities aiming at influencing consumers’ electricity consumption, as provide changes in load profiles desired by utility companies. Two of the most popular subdivisions of these programs are Demand Response and Energy Efficiency. From another aspect, it is belived that, implementing Demand Response programs successfully, necessitates existence of a bidirtectional communication infrastructure between Demand and Supply-Side of the grid. In recent years, by emerging Advanced Metering Infrastructure technology, this problem is mostly solved. According to these statements, the main concentration of this thesis is focused on two issues: 1. Evaluating performance of Advanced Metering Infrastructure as an enabler of demand response program. 2. Evaluating performance of new method for implementing incentive-based demand response. This method uses indexes which could be useful in determining consumers’ potential for participating in Demand-Response programs. These indexes are applied in two phases: 1. In the first phase, efficient elasticity and consumption entropy are applied. 2. In the second phase, economic elasticity and cost inertia are applied. These two indexes are new ones which are introduced in this thesis. After classification of samples and implementing explained process, The performance of qualified samples as susceptible ones, in comparison with other samples is proved. Results have shown the persuasive performance of introduced indexes. By using these indexes and combining capabilities of data-mining techniques and some concepts of electricity market, the main goal of this thesis is achieved. Keywords. Advanced Metering Infrastructure, Demand Response, Efficient Elasticity, Inertia of cost, Self-Organizing Map, Support Vector Machine
