دانلود مقاله انگلیسی رایگان:طراحی یک مدل پیش بینی بار کوتاه مدت در سیستم شبکه هوشمند شهری - 2020
دانلود بهترین مقالات isi همراه با ترجمه فارسی

با سلام خدمت کاربران عزیز، به اطلاع می رساند ترجمه مقالاتی که سال انتشار آن ها زیر 2008 می باشد رایگان بوده و میتوانید با وارد شدن در صفحه جزییات مقاله به رایگان ترجمه را دانلود نمایید.

دانلود مقاله انگلیسی شبکه های نورونی رایگان
  • Designing a short-term load forecasting model in the urban smart grid system Designing a short-term load forecasting model in the urban smart grid system
    Designing a short-term load forecasting model in the urban smart grid system

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Designing a short-term load forecasting model in the urban smart grid system


    ترجمه فارسی عنوان مقاله:

    طراحی یک مدل پیش بینی بار کوتاه مدت در سیستم شبکه هوشمند شهری


    منبع:

    Sciencedirect - Elsevier - Applied Energy, 266 (2020) 114850. doi:10.1016/j.apenergy.2020.114850


    نویسنده:

    Chen Li


    چکیده انگلیسی:

    The transition of the energy system from fossil fuel towards renewable energy (RE) is rising sharply, which provides a cleaner energy source to the urban smart grid system. However, owing to the volatility and intermittency of RE, it is challenging to design an accurate and reliable short-term load forecasting model. Recently, machine learning (ML) based forecasting models have been applied for short-term load forecasting whereas most of them ignore the importance of characteristics mining, parameters fine-tuning, and forecasting stability. To dissolve the above issues, a short-term load forecasting model is proposed that incorporates thorough data mining and multi-step rolling forecasting. To alleviate the chaos of short-term load, a de-noising method based on decomposition and reconstruction is used. Then, a phase space reconstruction (PSR) method is employed to dynamically determine the train-test ratios and neurons settings of the artificial neural network (ANN). Further, a multi-objective grasshopper optimization algorithm (MOGOA) is applied to optimize the parameters of ANNs. Case studies are conducted in the urban smart grid systems of Victoria and New South Wales in Australia. Simulation results show that the proposed model can forecast short-term load well with various measurement metrics. Multiple criterion and statistical evaluation also show the good performance of the proposed forecasting model in terms of accuracy and stability. To conclude, the proposed model achieves high accuracy and robustness, which will provide references to RE transitions and smart grid optimization, and offer guidance to sustainable city development.
    Keywords: Smart grid | Short-term load forecasting | Neural networks | Multi-objective optimization algorithm | Urban sustainability


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 16
    حجم فایل: 2525 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi