دانلود ترجمه مقاله پیش بینی انعطاف پذیری تقاضا در بار مسکونی با داده های کنتور هوشمند

1. مقدمه 2. کاربردهای گزارش شده برای تجزیه تقاضا 3. روش تحقیق 4. استخراج احتمالاتی بار راکتیو 5. مطالعات موردی 6. اعتباریابی روش پیشنهادی 7. نتیجه گیری

چکیده – تجزیه و تفکیک تقاضا، فرآیند ارزیابی مشارکت متغیر با زمان انواع مختلف بارها در بار اکتیو و راکتیو کل است. اطلاعات در مورد تجزیه بار، برای کاربردهای مدیریت طرف تقاضای مختلف، بسیار مفید است. برای تجزیه بار کل پیش بینی شده و تجمعی خانوارها که تنها تعدادی بوسیله کنتورهای هوشمند (SM ها) با قابلیت های سنجش فرعی ، تحت نظارت هستند، یک روش دو سطحی پیشنهاد می شود. در سطح اول، تفکیک و تجزیه بار مربوط به بار نظارت شده توسط SM ها براساس اندازه گیری های توان مصرف شده توسط هر لوازم خانگی، انجام می شود و در سطح دوم، تفکیک بار کلی پیش بینی شده با استفاده از شبکه عصبی مصنوعی انجام می شود. این مقاله، درصد کاربران لازم برای انجام تفکیک که باید به یک SM با قابلیت های سنجش فرعی مجهز شوند تا تجزیه و تفکیک کل بار تقاضای تجمعی را (در سطح اطمینان معین) پیش بینی کنند، را بررسی می کند. این روش ابتدا برروی یک مدل بار مبتنی بر آمار انگلستان تست شد و سپس برروی یک مجموعه داده (دیتاست) مربوط به مصرف سایت پیلوت واقعی، اعتبار یابی شد. نتایج نشان می دهند که حتی با پوشش SM پنج درصد، می توان با اطمینان بالا، تجزیه بار در پست برق (نقطه تجمیع) را پیش بینی کرد. به بیان دیگر، هیچ توجیه فنی اقتصادی برای فنآوری های سنجش فرعی جهت نصب در خانه هر کاربر وجود ندارد؛ نصب محدود چنین دستگاه هایی کفایت می کند.

Demand decomposition (disaggregation) presents the process of assessing time-varying participation of different load categories within the total active or reactive load. Information on load composition is highly beneficial for different demand side management applications. In order to decompose total forecasted load of aggregated households where only some are monitored by smart meters (SMs) with submetering capabilities, a two-level methodology is proposed. At the first level, load disaggregation of the load monitored by SMs is done based on measurements of power consumed by each home appliance, and at the second, the disaggregation of the total forecasted load is performed using artificial neural network. This paper investigates the required percentage of users in an aggregation that should be equipped with a SM with submetering capabilities in order to forecast (within certain confidence level) the load composition of the overall aggregated demand. The methodology was first tested on a UK statistics-based load model, and then validated on a real pilot site's consumption dataset. The results show that even with 5% SM coverage, one can forecast, with high confidence, the composition of the load at the substation (aggregation point). In other words, there is no techno-economic justification for submetering technologies to be installed at every user's premise; a limited installation of such devices would suffice.

ترجمه این مقاله در 27 صفحه آماده شده و در ادامه نیز صفحه 13 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.