دانلود ترجمه مقاله پیش بینی بار شبکه های هوشمند با استفاده از رگرسیون

1. مقدمه 2. پژوهش های مرتبط 3. رگرسیون بردار پشتیبانی آنلاین 4. ارزیابی 5. بحث و بررسی و پژوهش های آتی 6. نتیجه گیری

چکیده – شبکه هوشمند به عنوان بخش جدایی ناپذیر یک شهر هوشمند، فرصت های جدیدی برای مدیریت انرژی کارآمد، صرفه جویی در هزینه های کلی و مشارکت عمده در محیط زیست ارائه می دهد. نوآوری های شبکه و آزاد سازی بازار برق، مشخصه آنالیز داده را در زمینه مهندسی برق به طرز چشم گیری تغییر می دهد. پرداش آنلاین داده ها که مستمراً توسط شبکه هوشمند تولید می شوند، می تواند پیش بینی های دقیق و به موقعی از شبکه قدرت ارائه دهد که ورودی مهمی برای تعامل با بازارهایی است که در آن ها انرژی باید عدم تعادل شبکه را به حداقل برساند. ما نشان داده ایم که روش رگرسیون بردار پشتیبانی آنلاین (SVR) در پیش بینی کوتاه مدت توان و بررسی مزایا و معایب آن بسیار مناسب می باشد. ما مقایسه ای از ده روش پیش بینی را از نظر دقت روی دیتابیس های CER ایرلندی ارائه داده ایم؛ SVR آنلاین دقت روش های ترکیبی مبتنی بر درخت پیچیده و روش های پیشرفته آنلاین را نشان می دهند.

Smart grid, an integral part of a smart city, provides new opportunities for efficient energy management, possibly leading to big cost savings and a great contribution to the envi- ronment. Grid innovations and liberalization of the electricity market have significantly changed the character of data analysis in power engineering. Online processing of large amounts of data continuously generated by the smart grid can deliver timely and precise power load forecasts –an important input for interactions on the market where the en- ergy can be contracted even minutes ahead of its consumption to minimize the grid imbal- ances. We demonstrate the suitability of online support vector regression (SVR) method to short term power load forecasting and thoroughly explore its pros and cons. We present a comparison of ten state-of-the-art forecasting methods in terms of accuracy on public Irish CER dataset. Online SVR achieved accuracy of complex tree-based ensemble methods and advanced online methods.