ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Long Term Electric Load Forecasting based on ANN and Regression Models: A Case Study of the Jordanian Network

العنوان بلغة أخرى: التنبؤ طويل الأمد بالاحمال الكهربائية للشبكة الأردنية باستخدام الشبكات العصبية ونماذج الإنحدار
المؤلف الرئيسي: Al Sha'abi, Dua'a Talal (Author)
مؤلفين آخرين: Abu Feilat, Eyad (Advisor), Al Momani, Mohammed Awad (Advisor)
التاريخ الميلادي: 2015
موقع: إربد
الصفحات: 1 - 82
رقم MD: 747791
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: جامعة اليرموك
الكلية: كلية الحجاوي للهندسة التكنولوجية
الدولة: الاردن
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

48

حفظ في:
LEADER 04112nam a22003497a 4500
001 0060712
041 |a eng 
100 |9 393465  |a Al Sha'abi, Dua'a Talal  |e Author 
245 |a Long Term Electric Load Forecasting based on ANN and Regression Models:  |b A Case Study of the Jordanian Network 
246 |a التنبؤ طويل الأمد بالاحمال الكهربائية للشبكة الأردنية باستخدام الشبكات العصبية ونماذج الإنحدار 
260 |a إربد  |c 2015 
300 |a 1 - 82 
336 |a رسائل جامعية 
502 |b رسالة ماجستير  |c جامعة اليرموك  |f كلية الحجاوي للهندسة التكنولوجية  |g الاردن  |o 0072 
520 |a التنبؤ بالأحمال عملية معقدة، تعتبر ناتج تفاعل الكثير من العوامل (الاقتصادية، الإحصائية، الاجتماعية والديموغرافية) بحيث أن الهدف الأساسي لشركات الكهرباء بقطاعاتها الثلاثة (إنتاج، نقل، وتوزيع) التنبؤ بالحمولة المطلوبة بدقة باستخدام نماذج رياضية دقيقة، من أجل تلبية هذه الحمولة ضمن خطة بأقل التكاليف. تقنيات ذكية مثل الشبكات العصبية طورت لاستخدامها على نطاق واسع في الأنظمة الكهربائية في المستقبل، هذا يعني أن تطويرها في المستقبل يجب أن تؤخذ بعين الاعتبار في تنبؤ الأحمال على المدى الطويل. تقدم هذه الدراسة تنبؤ الأحمال على المدى الطويل للشبكة الأردنية بين عامي 2015 و٢٠٣٠، باستخدام نموذجين مختلفين: (أ) نموذج الشبكات العصبية الاصطناعية (ANN) و (ب) نموذج الانحدار. وتعتمد هذه النماذج على البيانات السابقة التي تم الحصول عليها من شركة الكهرباء الوطنية (NEPCO) هذه البيانات جهزت ورتبت بطرق مختلفة قبل استخدامها، وتنقسم إلى قسمين؛ بعضها تستخدم للتدريب بينما يستخدم الجزء الآخر للاختبار، تم استخدام برنامج الماتلاب لبناء واختبار الشبكة العصبية. وقد تم تقييم دقة الطرق المقترحة باستخدام مؤشرات الأداء الثلاث؛ متوسط مربع الخطأ (MSE) والخطأ المطلق (MAE) وتركز هذه الأطروحة على دراسة التنبؤ للأحمال على المدى الطويل باستخدام طريقة متعددة الانحدار الخطي وأنواع مختلفة من أساليب الشبكات العصبية الاصطناعية مثل تغذية الشبكة الأمامية العصبية مع خوارزمية العودة الانتشار (FFBP)، وشعاعي الشبكات (RBFNs) 
653 |a نظم الطاقة الكهربائية  |a استهلاك الطاقة الكهربائية  |a الاحمال الكهربائية  |a الطاقة الكهربائية  |a الشبكات العصبية الاصطناعية 
700 |9 374773  |a Abu Feilat, Eyad  |e Advisor 
700 |9 393466  |a Al Momani, Mohammed Awad  |e Advisor 
856 |u 9802-003-026-0072-T.pdf  |y صفحة العنوان 
856 |u 9802-003-026-0072-A.pdf  |y المستخلص 
856 |u 9802-003-026-0072-C.pdf  |y قائمة المحتويات 
856 |u 9802-003-026-0072-F.pdf  |y 24 صفحة الأولى 
856 |u 9802-003-026-0072-1.pdf  |y 1 الفصل 
856 |u 9802-003-026-0072-2.pdf  |y 2 الفصل 
856 |u 9802-003-026-0072-3.pdf  |y 3 الفصل 
856 |u 9802-003-026-0072-4.pdf  |y 4 الفصل 
856 |u 9802-003-026-0072-O.pdf  |y الخاتمة 
856 |u 9802-003-026-0072-R.pdf  |y المصادر والمراجع 
856 |u 9802-003-026-0072-S.pdf  |y الملاحق 
930 |d y 
995 |a Dissertations 
999 |c 747791  |d 747791 

عناصر مشابهة