عنوان پایان‌نامه
بررسی تاثیر عوامل آب و هوایی دما رطوبت و باد بر بیشینه بار برق با استفادهه از منطق فازی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 2134;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 53340
- تاریخ دفاع
- ۲۴ خرداد ۱۳۹۱
- دانشجو
- حسین زمان
- استاد راهنما
- حامد شکوری گنجوی
- چکیده
- مطالعه بر روی تقاضای انرژی و میزان و نحوه مصرف آن در بخش های مختلف، اگر چه مساله تازه ای نیست، اما به قدری حیاتی و مهم است که در صورت پنهان ماندن کوچکترین جزییاتی از آن می تواند هزینه های مضاعفی را بر بازار انرژی تحمیل کند. عوامل متعددی می تواند بر روی مصرف انرژی موثر باشند که یکی از مهمترین آنها تغییرات فصلی و عوامل آب و هوایی است. در این پایان نامه تاثیر عوامل آب و هوایی شامل حداکثر دمای روزانه، حداقل دمای روزانه، رطوبت نسبی و سرعت وزش باد بر روی بیشینه بار مصرفی روزانه با استفاده از منطق فازی در شهر تهران مورد بررسی قرار می گیرد. هدف از به کار گیری منطق فازی، بدست آوردن یک مجموعه پایگاه قوانین فازی است که در عین اختصار به خوبی بتواند ویژگی های عمده آب و هوایی منطقه ای را توصیف کرده و میزان تاثیر پذیری مصرف برق را از این عوامل به درستی مدل کند. به منظور بنیان نهادن چنین پایگاه قوانینی از روش یادگیری قوانین فازی تکرار شونده مبتنی بر سیستم های استنتاج فازی تاکاگی-سوکنو-کنگ استفاده می شود. از آنجا که این سیستم ها در قوانین خود دارای معادلات چند جمله ای رگرسیونی در بخش تالی می باشند طی دو مرحله شکل کلی معادلات و ضرایب رگرسیونی تعیین شده اند. روش یادگیری قوانین فازی تکرار شونده یک رویکرد دو مرحله ای است که در هرکدام از مراحل دارای کاستی هایی است که توسعه و اصلاحاتی اساسی را می طلبد. در مرحله اول قوانین به صورت کلی تولید گردیده و یک پایگاه قوانین اولیه بر اساس اصل رقابت بین قوانین ایجاد می شود که برای حل آن از دو روش استراتژی های تکامل و حداقل مربعات وزنی استفاده می شود که روش دوم مناسب تر بوده است. در مرحله دوم مساله تعامل بین قوانین در نظر گرفته شده و ترکیبات مختلفی از قوانین ایجاد شده در مرحله اول پیشنهاد شده و با هم مقایسه می شوند که فرایند حل شامل یک الگوریتم ژنتیک است. در هر کدام از این دو مرحله شاخص های مختلفی برای بهبود رویه بهینه سازی مطرح شده است. در پایان یک پایگاه قوانین، به عنوان جواب بهینه مطرح می شود که از منظرهای مختلفی نظیر میزان خطا، تعداد قوانین و توجیه پذیری پایگاه قوانین برای منطقه بهترین پایگاه قانون به حساب می آید. این پایگاه قوانین بهینه شرایط آب و هوایی عمده را که تاثیر اساسی در تغییرات بار بیشینه برق در تهران را دارند معرفی می کند و از طرف دیگر شرایط آب و هوایی غیر ضروری و غیر اساسی را در نظر نمی گیرد. چنین پایگاه قوانین بهینه ای با توجه به خطای پیش بینی کمی که دارد می تواند توسط برنامه ریزان عرضه برق و یا مدیران بازار برق برای پیش بینی تغییرات کوتاه مدت بار بیشینه و تنظیم بازار و قیمت ها به کار گرفته شود.
- Abstract
- Although the study in the field of energy demand in various sectors is not a new problem but it is such a vital and important concern that ignoring any details in this field can result in huge costs to the energy market. There are numerous factors effecting energy consumption among which climatic variables play an important role. In this thesis, the effect of climatic variables including daily maximum temperature, daily minimum temperature, relative humidity and wind speed, on daily electrical peak load in Tehran city is studied by applying a Fuzzy Inference Systems (FIS). The purpose to use fuzzy inference is to obtain a brief and comprehensive rule base which can accurately explain the main climatic variables in the region and model the effect of climatic variables on energy consumption truly. To obtain such rule base iterative fuzzy rule learning method based Takagi-Sugneo-Kang fuzzy inference systems is applied. As these rules have polynomial equations in their consequences, general formulation and regression coefficients are determined in two stages. The iterative fuzzy rule learning method has also two stages which both have shortages and so they need developments and modifications. In the first stage by using Evolution Strategies and Weighted Least Squares the rules are generated and a preliminary rule base, based on competition between rules is constructed where the latter is better. The second stage by using Genetic Algorithm considers cooperation between rules and compares different rule bases which can be produced by rules generated in the previous stage. In these two stages several measures and modifications are proposed to improve the optimization process. Finally, one rule base is extracted as the optimal solution as the best rule base from different aspects such as Error, number of rules and justification to the region. This optimum fuzzy rule base introduces the main climatic conditions with essential effects on peak load and also removes unimportan climatic situations. Regarding the low error of the model, the optimum fuzzy rule base can be applied for short term predictions by power suppliers and market managers to better plan for meeting the demand and setting the prices.
