دانلود پاورپوینت مقاله پیش بینی بار کوتاه مدت بر اساس الگوهای بار ولتاژ متوسط

یافته های بدست آمده حاکی از آن است که در زمینه یکپارچه سازی تولید پراکنده، پیش بینی بار طی عملیات، کنترل سیستم قدرت، کنترل توان راکتیو، موضوع پخش بار از اهمیت فزاینده ای برخوردار است. در روش پیش‌بینی بار کوتاه‌مدت پست انتقال سنتی (STLF)، مقادیر پیش‌بینی قطعی بر اساس نظم بالقوه در الگوهای بار تاریخی بدست می آیند. در دهه‌های گذشته، به طور فزاینده ای عدم قطعیت‌های پیش‌بینی نادیده گرفته شده در پیش‌بینی بار قطعی به دلیل پیشرفت سریع تولیدات پراکنده، دستگاه‌های ذخیره انرژی و وسایل نقلیه الکتریکی مورد توجه قرار گرفته اند. بنابراین، پیش‌بینی بار احتمالی (PLF) به دلیل قابلیت آن در سنجش عدم قطعیت و ارزیابی فواصل پیش‌بینی، توجه فزاینده‌ای را به خود معطوف کرده است. همچنین، امروزه روش‌های پیش‌بینی قطعی و احتمالی برای سناریوهای مختلف STLF در حال بهبود هستند، اما روش‌های پیش‌بینی فعلی برای پست انتقال ولتاژ بالا (HV) غالبا بر اساس داده‌های بار HV می باشد که مقدار اطلاعاتی که برای پیش بینی بار HV استفاده می شود را محدود می کند، زیرا یک پست انتقال HV دارای تجهیزات اندازه گیری بار محدودی است.

همچنین، لازم به ذکر است که داده های ولتاژ متوسط ​​(MV) عظیم و بار ولتاژ پایین، با توسعه سیستم اندازه گیری توسط شرکت های برق جمع آوری شده است. علاوه بر داده های بار HV، یک ساختار سلسله مراتبی می تواند متشکل از الگوهای بار در سطوح مختلف باشد. همچنین در این مطالعه برای بهبود پیش بینی سطوح مختلف، روش های پیش بینی بار سلسله مراتبی (HLF) نیز ارائه شده است. با ترکیب مزایای PLF با HLF، پیش بینی بار احتمالی سلسله مراتبی (HPLF) برای ارائه توزیع احتمال جامع در رابطه با سری های بار در سطوح مختلف سلسله مراتبی ارائه شده است.

در طول رقابت های مربوط به تعیین صلاحیت و شایستگی در زمینه پیش بینی انرژی 2017، یک روش دو مرحله ای در زمینه HPLF ارائه شده است که طی آن ابتدا بارها در سطوح مختلف سلسله مراتبی به طور مستقل پیش بینی می شوند و سپس با در نظر گرفتن همبستگی ذاتی بین بار، داده های جمع آوری شده از سطوح مختلف تنظیم می شوند. پیاده سازی HPLF بر اساس داده‌های بار جمع‌آوری‌شده از کنتورهای هوشمند می باشد و در زمینه پیش‌بینی‌های بار سطوح پایین و بالا، توجه زیادی به وجود انسجام بین آنها معطوف شده است. همچنین، برای تنظیم توزیع های پیش بینی در سطح پایین و دستیابی به HPLF های منسجم، یک روش تصحیح وزنی براساس رگرسیون کمیت محدود ارائه شده است.

این پاورپوینت در 22 اسلاید آماده شده و در ادامه نیز، اسلاید شماره 7 آن قرار داده شده است: