گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” پیش بینی قیمت برق کوتاه مدت ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
پیش بینی قیمت های کوتاه مدت برق |
| عنوان انگلیسی مقاله: |
Short-Term Electricity Price Forecasting |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2013 |
| تعداد صفحات مقاله انگلیسی | 5 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی برق و علوم اقتصادی |
| گرایش های مرتبط با این مقاله | تولید، انتقال و توزیع، سیستم های قدرت و برق قدرت |
| مجله | مجمع عمومی انرژی و برق – Power and Energy Society General Meeting |
| کلمات کلیدی | قیمت برق، فیلتر کالمن، فیلتر ∞H، گاوس – مارکوف |
| شناسه شاپا یا ISSN | ISSN2004.04.005 |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در سایت IEEE |
| نشریه | IEEE |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 15 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه شده است |
| ترجمه متون داخل جداول | ترجمه شده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
I. مقدمه
II. متدولوژی
III. نتیجه گیری ها
- بخشی از ترجمه:
III. نتیجه گیری ها
مقاله حاضر پیش بینی قیمت کوتاه مدت برق را در نظر می گیرد. این مقالـــه طرح جدیدی را برای پیش بینی قیمت برق بر اساس یک مدل فضای وضعیت بازار برق مطرح می نماید. فرآیند گاوس – مارکوف برای نشان دادن پویایی تصادفی سیستم بازار برق مورد استفاده قرار می گیرد. با استفاده از دوره‌نگار و برازش منحنی، مدل فضای وضعیت بازار برق توسعه داده شده است.
در نتیجه فیلتر کالمن و فیلتر ∞H برای برآورد قیمت برق مورد استفاده قرار می گیرد. به منظور ارزیابی دقت و صحت به ازای هر دو روش شاخص های اندازه گیری عملکرد تعریف و محاسبه گردیدند. نتـــایج شبیه سازی نشان می دهند که فیلتـــر ∞H می تواند قیمت را دقیق تر از فیلتر کالمن با وجود عدم قطعیت معنی دار مدل پیش بینی نماید. برای کارهای آتی، ما اثرات غیر خطی در سیستم توصیف شده توسط تابع چگالی طیفی قدرت (PSDF) را بر خطای برآورد با استفاده از فیلترهای غیر خطی به مانند فیلتر کالمن توسعه یافته و فیلتر کالمن بدون بو ارزیابی خواهیم نمود.
- بخشی از مقاله انگلیسی:
III. CONCLUSIONS
This paper considered short term electricity price forecasting. It developed a new scheme for the electricity price forecast based on a state space model of the power market. A Gauss-Markov process is used to represent the stochastic dynamics of the electricity market system. Using the periodogram and curve fitting, the state space model of power market is developed. The Kalman filter and H filter are then used to estimate the electricity price. Performance measures indices are defined and calculated for both methods in order to evaluate the accuracy. Simulation results shows that, the H filter can forecast the price more precisely than the Kalman filter in the presence of significant model uncertainty. For future work, we will evaluate the effects of nonlinearity in the system described by PSDF on the estimation error using nonlinear filters such as the extended Kalman filter and the unscented Kalman filter.
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
پیش بینی قیمت برق کوتاه مدت |
| عنوان انگلیسی مقاله: |
Short-Term Electricity Price Forecasting |
|
|