Forecasting Jordanian Household Power Demands Incorporating Renewable Energy Sources using Artificial Neural Networks in Smart Grid Environment
| العنوان بلغة أخرى: |
التنبؤ بأحمال الطاقة الكهربائية المنزلية الأردنية بمشاركة مصادر الطاقة المتجددة باستخدام الشبكات العصبية الاصطناعية في بيئة النظام الكهربائي الذكي |
|---|---|
| المؤلف الرئيسي: | Al Jondi, Wael A. (Author) |
| مؤلفين آخرين: | Al Tamimi, Abd AlKarim (Advisor) |
| التاريخ الميلادي: |
2015
|
| موقع: | إربد |
| الصفحات: | 1 - 75 |
| رقم MD: | 747803 |
| 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: |
عدد مرات التحميل
71
| المستخلص: |
يعتبر النظام الكهربائي الذكي الجيل المقبل من أنظمة الشبكات الكهربائية التي تستفيد من التقنيات الرقمية والتناظرية الحديثة لمعالجة المعلومات ومن تقنيات الاتصالات بطريقة مؤتمتة لتوفير فهم أفضل لمتطلبات الشبكة الكهربائية والتحديات التي تواجهها. هناك العديد من التحديات المعقدة التي يحتاج النظام الكهربائي الذكي إلى التغلب عليها من أجل أن يعتبر نظاماً كهربائياً صلباً وناجحاً. في هذا العمل، تم تصميم وحدة تحكم ذكية بالطاقة تعمل بنظام (GSM) وتقوم بقياس مقدار تدفق الطاقة في الأحمال والتحكم بها عن طريق خدمة (SMS) باستخدام المعالج المصغر (PIC) التي يتم تركيبها عند المستهلك من أجل مجابهة بعض تلك التحديات. بالإضافة إلى ذلك، تم استخدام نظام تنبؤ بالأحمال الكهربائية والتوليد الكهربائي قصير المدى باستخدام الشبكات العصبية الاصطناعية بمشاركة مصادر الطاقة الغير متجددة والمتجددة في حال وجودها كوسيلة لمعالجة المعلومات في عملية اتخاذ القرار في النظام الكهربائي الذكي. لقد تم جمع بيانات الاستهلاك الكهربائي لمنزل أردني خلال فترة شهر واحد واستخدامها في نموذج التنبؤ من أجل التنبؤ المستحدث بالمتطلبات الكهربائية اليومية. تستخدم نتائج هذا الإجراء في وحدة التحكم لتقديم خدمات سيطرة إضافية على الأحمال. مجموعتين أخرتين من البيانات تمثلين الأحمال الكهربائية لولاية نيو هامبشاير والأحمال الكهربائية والتوليد الكهربائي لكاليفورنيا أيزو التي تضم مصادر الطاقة المتجددة على مدى ستة أشهر تم جمعهما وتوظيفهما في نظامنا للتنبؤ الكهربائي حيث تمكن نظامنا للتنبؤ على تحقيق نتائج جيدة للغاية مع متوسط معدلات الخطأ النسبية المطلقة بنسب منخفضة لم تتجاوز 1.4% و2.5% لكل من بنى الشبكات العصبية الاصطناعية (feedforward) و (Elman) على التوالي. |
|---|
عناصر مشابهة
-
Short Term Load Forecasting by Using Artificial Neural Network Technique for Jordanian Power Grid as Case Study
بواسطة: جوارنة، صهيب محمد محمود منشور: (2022) -
Long Term Electrical Load Forecasting for an Electrical Power Grid Using Statistical and ANN Models
بواسطة: مبارك، غيث أحمد محمد منشور: (2023) -
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) -
Wind Energy Forecasting Using Artificial Neural Network
بواسطة: السبوع، أسامة نزار أحمد منشور: (2023) -
Electricity Consumption Prediction Using Artificial Neural Networks and Evolutionary Algorithms: A Case Study Tulkarm City
بواسطة: Hussein, Ali Mohammad Ali منشور: (2021)
