Electricity Consumption Prediction Using Artificial Neural Networks and Evolutionary Algorithms: A Case Study Tulkarm City
| المؤلف الرئيسي: | Hussein, Ali Mohammad Ali (Author) |
|---|---|
| مؤلفين آخرين: | Awad, Mohammed (Advisor) |
| التاريخ الميلادي: |
2021
|
| موقع: | جنين |
| الصفحات: | 1 - 105 |
| رقم MD: | 1196394 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | الجامعة العربية الأمريكية - جنين |
| الكلية: | كلية الدراسات العليا |
| الدولة: | فلسطين |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
16
| المستخلص: |
تعد الطاقة الكهربائية عامل حيويا في تنمية وتطور الدول، حيث للطاقة الكهربائية أهمية كبيرة في حياتنا لما لها من مساهمة في المجال التكنولوجي والتعليمي والصناعي والطبي وكافة المجالات ولذلك أصبح الطلب على الطاقة الكهربائية في ازدياد مستمر. في هذه الأطروحة، طبقنا عدة نماذج هجينة محسنة (RNN-OA, NARX-OA, NARX-OA-Kmean cluster) التي تدمج بين أنواع مختلفة من الشبكات العصبية NNs (وهي الشبكات العصبية المتكررة(LSTM) (RNNs) والشبكات العصبية الخارجية غير الخطية التلقائية (NARX)، مع خوارزمية تحسين، تسمى استراتيجية التطور (ES). هذه النماذج تم تطبيقها للتنبؤ بعبء استهلاك الطاقة الكهربائية، والمشار إليه بـــ ١ line، و2line، وشدة التيار الكهربائي لمدينة طولكرم في فلسطين (AAUP). أظهرت النتائج التجريبية أن أداء النموذج الهجين (NARX-OA-Kmean cluster) كان أفضل من (RNN-OA) و(NARX-OA) في التنبؤ بعبء استهلاك الطاقة الكهربائية بمشكل قصير المدى (يومي، شهري) وطويل المدى (فصلي وسنوي)، بينما نموذج NARX-OA كان أفضل من -OA و-RNNs في التنبؤ بعبء استهلاك الطاقة الكهربائية، ونموذج RNNs كان أفضل من النماذج الأخرى في التنبؤ بعبء استهلاك الطاقة الكهربائية قصير المدى. هذه النتائج تم التعبير عنها بواسطة factor RMSE، وذلك بعد ما تم تطبيق النماذج المقترحة على مجموعات البيانات المستخدمة (line 1&2 current intensity). |
|---|
عناصر مشابهة
-
Forecasting Electricity Consumption in Algeria Using Artificial Neural Networks
بواسطة: Sidi Mohammed, Chekouri منشور: (2022) -
Long Term Electric Load Forecasting based on ANN and Regression Models: A Case Study of the Jordanian Network
بواسطة: Al Shaabi, Duaa Talal منشور: (2015) -
Using Artificial Neural Networks "ANN" to Control Chaos
بواسطة: Ighneiwa, Ibrahim منشور: (2017) -
Forecasting Jordanian Household Power Demands Incorporating Renewable Energy Sources using Artificial Neural Networks in Smart Grid Environment
بواسطة: Al Jondi, Wael A. منشور: (2015) -
Short Term Load Forecasting by Using Artificial Neural Network Technique for Jordanian Power Grid as Case Study
بواسطة: جوارنة، صهيب محمد محمود منشور: (2022)
