دانلود ترجمه مقاله مدل هیبریدی موجک-ELM برای پیش بینی قیمت کوتاه مدت بازار برق – مجله الزویر

• بخشی از ترجمه:

چکیده
پیشبینی دقیق قدمت برق، چالشی بزرگ برای شرکت کنندگان و مدیران بازار می باشد، زیرا قیمت الکتریسیته دارای نوسانات بسیاری است. پیشبینی قیمت نیز، مهم ترین هدف مدیریتی برای مشارکت کنندگان در بازار است، چرا که مبانی بیشینه کردن سود را، تشکیل می دهد. این مطالعه، عملکرد یک تکنیک شبکه عصبی جدید را بنام ناشین یادگیری سریع (ELM)، در مساله پیشبینی قیمت، بررسی می کند. با در نظر داشتن خط مربوط به بازهای برق که دارای نوسانات بسیاری در قیمت هستند، تکیه به یک تکنیک، خیلی هم سودمند نمی باشد. بنابراین، ELM با تکنیک موجک همراه شده است و یک مدل پیوندی (مرکب) را به نام WELM (ELM مبتنی بر موجک) را تشکیل داده است تا دقت پیشبینی و نیز قابلیت اطمینان آن را، بهبود بخشد. در این روش، ویژگی های بی همتای هر ابزار، تکریب شده اند تا الگوهای مختلفی را در اطلاعات، بدست آورند. قدرت این تکنیک، با استفاده از روش مجموع شده، بهبود بیشتری می یابد. عملکردهای مدل های ارایه شده، با استفاده از اطلاعات موجود در بازارهای برق انتاریو، PJM، نیویورک و ایتالیا، ارزیابی شده اند. نتایج آزمایشی نشان می دهند که روش پیشنهادی، یکی از مناسب ترین تکنیک های پیشبینی قیمت می باشد.
کلیدواژه ها: شبکه عصبی مصنوعی (ANN)، تجدید ساختار، روش مجموع، ماشین یادگیری سریع (ELM)، پیشبینی قیمت، تبدیل موجک

١.مقدمه:
مقررات زدایی (تجدید ساختار) بخش برق، منجر به توسعه یک ساختار بازار رقابتی شده است که در آن شرکت کننده ها برای ارایه بازار خود از طریق بازار معامله های لحظه ای و بازار دو-جانبه، رقابت می کنند. قیمت های برق در این بازارها، بصورت مستقیم یا غیر-مستقیم تحت تاثیر تعدادی از عواملی که بطور پیچیده ای با هم مرتبط هستند، قرار دارند. عدم قطعیت در عواملی همچون آب و هوا، قطعی های تجهیزات، قیمت های سوخت، و تنگراه انتقال، منجر به نوسانات شدید قیمت یا حتی تغییرات ناگهانی قیمت در بازار برق می شوند. حرکت غیرقطعی پیچیده ی قیمت های برق در ساعت های مختلف روز، از اهمیت بالایی در میان شکرت کنندگان بازار برخوردار است. شرکت کنندگان در بازار، نیاز به پیشبینی های مطمین از نوسانات قیمت در بازار برق دارند، تا بتوانند آن را به مزایده گذاشته یا خرید و فروش نمایند. بدلیل اهمیت قیمت های آینده و پیچیدگی موجود مربوط به تعیین آنها، مدل سازی و پیشبینی دقیق قیمت های بازار، یکی از زمینه های اصلی تحقیقاتی در مهندسی برق شده است.

• بخشی از مقاله انگلیسی:

abstract

Accurate electricity price forecasting is a formidable challenge for market participants and managers owing to high volatility of the electricity prices. Price forecasting is also the most important management goal for market participants since it forms the basis of maximizing profits. This study investigates the performance of a novel neural network technique called Extreme Learning Machine (ELM) in the price forecasting problem. Keeping in view the risk associated with electricity markets with highly volatile prices, relying on a single technique is not so profitable. Therefore ELM has been coupled with the Wavelet technique to develop a hybrid model termed as WELM (wavelet based ELM) to improve the forecasting accuracy as well as reliability. In this way, the unique features of each tool are combined to capture different patterns in the data. The robustness of the model is further enhanced using the ensembling technique. Performances of the proposed models are evaluated by using data from Ontario, PJM, New York and Italian Electricity markets. The experimental results demonstrate that the proposed method is one of the most suitable price forecasting techniques.

1. Introduction

Deregulation of electricity sector has led to the development of a competitive market structure where the participants compete for the market share through spot and bilateral markets. Electricity prices in such markets are directly or indirectly driven by a number of factors which are interlinked to each other in a complex fashion. Uncertainty in factors such as weather, equipment outages, fuel prices, and transmission bottlenecks result in extreme price volatility or even price spikes of electricity market. The complex, uncertain movement of electricity prices over different hours of the day is of great interest to the market participants. The market participants need reliable forecasted prices for either bidding or hedging against price volatility in the market. Driven by the importance of the future prices and the complexities involved in determining them, detailed modeling and forecasting of electricity prices has become a major research field in electrical engineering.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله