مگا مگا
83/4/13 – 83/4/1984/4/11 – 84/ 4/17

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
ساعت ساعت
شکل١- نمونه پروفایلهای بار عادی مربوط به تیر ماه ٨۴

مجموعه داده های آموزشی حذف شود.
با بررسیهای اولیه در پروفایلهای بار ثبـت شـده در سیـستمقدرت استان اصفهان در فاصله زمـانی سـالهای ۱۳۸۱ تـا ۱۳۸۴ مشخص ش د کـه تعـداد قابـل تـوجهی از آنهـا (در حـدود ۲۰ درصد) در رده پروفایلهای بار غیر عادی قرار میگیرنـد . وجـودپرشهای شـدید چنـد صـد مگـا واتـی، و حتـی بـار منفـی(؟!) ضرورت پالایش این دادههـا را قبـل از آمـوزش شـبکه عـصبیپیشبینی کننده بار آشکار میسازد.
یکی از محدود روشهایی که در سالهای اولیه بـرای پـالایشداده ها در پیشبینی کوتاه مدت بار اسـتفاده شـده اسـت، روشفیلتر کالمن است. این روش در شرایط بار عادی به خوبی کـارمیکند [۱۴]، اما وقتی تغییرات غیر طبیعی مثل پروفایلهـای بـارغیر عادی وجود دارد، به نتایج نادرست منجر میشود. عملیـات ریاضی سنگین، زمانبـر بـودن، عـدم دقـت ذاتـی و ناپایـداریعددی از دیگر نواقص این روش محسوب می شود [۱۵].
لازم به ذکر است که مقـصود از پروفایلهـای بـار غیرعـادیپروفایلهای مربوط به تعطیلات رسمی نیست. زیرا این گـروه ازپروفایلهای بار هرچند الگویی متفاوت با روزهای عـادی دارنـدولی هر ساله تکرار میشوند و بهطورکلی در مسئله پیش بینی بار به صورت جداگانه درنظر گرفته می شوند.
در ادامه، ابتدا دو روش اصلی پالایش دادههای آموزشی بـرشکل ٢- نمونه پروفایلهای بار غیرعادی مربوط به تیر ماه ٨٣
مبنای استفاده از تجربه خبره و مقایسه آماری معرفـی و سـپس،روش جدیدی بر مبنای تحلیل مؤلفه اصلی ارائه می شود.

۳- پالایش داده ها بر مبنای تجربه خبره
مـؤثرترین روش تـشخیص دادههـای غیرعـادی اسـتفاده از شناخت و تجربه خبره است. چنین شناختی با مطالعه، تحلیل و بررسی تفصیلی پروفایلهای بار روزهای مختلف فراهم میشود.
در شکل (١) نمونه متداول پروفایلهـای بـار عـادی سیـستمقدرت استان اصفهان مربوط به یک هفته در تیرماه ١٣٨۴ دیـدهمی شود. شـباهت زیـاد پروفایلهـا ی بـار در روزهـای شـنبه تـاچهارشنبه، تفاوت کم روز پنجشنبه با آنها و تفـاوت بیـشتر روزجمعه کاملا آشکار است. اکثریت قابل توجهی از پروفایلهای بار روزانه از این ویژگی، کم و بیش، برخوردارند.
در شکل (۲) نمونـههـایی از پروفایلهـای بـار غیرعـادی درروزهای پنجشنبه و جمعه مربوط به تیرماه ۱۳۸۳ دیده میشـود .
غیرعادی بودن پروفایل بار روز جمعـه کـام ﹰلا مـشهود اسـت وبهنظر میرسد این پروفایل بار مربوط به دسـته اول پروفایلهـایغیرعادی باشد. شکل (۳) پروفایلهای بار غیرعادی در روزهـایسهشنبه و جمعـه در مردادمـاه سـال ۱۳۸۳ را نـشان مـی دهـد .
پروفایل بار روز جمعه به نظر میرسد به دسته دوم پروفایلهـایغیرعادی تعلق داشته باشد و افت بسیار زیاد بار در آن می توانـد
مگا
83/5/17 – 83/5/23

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 ساعت
شکل ۳- نمونه پروفایلهای بار غیرعادی مربوط به مرداد ماه ۸۳

ناشی از وقوع یک خاموشی گسترده باشد.
در این روش پالایش، پروفایلهای غیرعـادی از طریـق مقایـسهبا پروفایلهای عادی، که ویژگیهـایی مـورد انتظـار و نرمـال دارنـد،بهصورت شهودی و بر مبنای تجربه خبره تشخیص داده میشـوندو سپس از مجموعه دادهها حذف میشوند. امـا اسـتفاده از چنـینروشی برای شناسایی دادههای غیر عادی و پالایش آنهـا، در عـینحـال کـه مـیتوانـد مـؤثر باشـد، سیـستماتیک و سـاده نیـست وپیـاده سـازی آن در یـک سیـستم قـدرت واقعـی بـه علـت تعـدد نشانه های غیر عادی بودن بار بسیار پیچیده و وقت گیر خواهد بود.

۴- پالایش داده ها بر مبنای مقایسه آماری
با مقایسه آماری پروفایلهای بار میتوان به معیارهایی بـرایشناسایی داده های غیرعادی دست یافت. با بررسیهای مفصل بـرروی پروفایلهای بار ۲۴ ساعته مشخص شد که هر پروفایل بـاررا میتوان به کمک ۳ معیار اساسی بهصـورت منحـصر بـه فـردشناس ایی ک رد. ای ن س ـه معی ار اساس ی می انگین، انح راف استاندارد و همبستگیاند که به ترتیب معـرف متوسـط مـصرفشبانهروزی بار، میزان پراکندگی بـار شـبانهروزی حـول مقـدارمتوسط مصرف و شباهت هر پروفایل بار از نظر شکل به سـایرپروفایلهایند..
تعریف میانگین برای پروفایل بار که در واقـع دنبالـهای بـهشـ کل L[n] ,n =1,…,24 اسـ ت بـ ه صـ ورت رابطـ ه (۱) است:
24
L

L[n] (۱)
انحراف استاندارد که در واقع ریشه دوم واریـانس اسـت بـرایدنباله فوق از رابطه (۲) به دست میآید:
SL

24
2
n1
1
(
L[n]L
)
24
=
=

24

2

در این سایت فقط تکه هایی از این مطلب با شماره بندی انتهای صفحه درج می شود که ممکن است هنگام انتقال از فایل ورد به داخل سایت کلمات به هم بریزد یا شکل ها درج نشود

شما می توانید تکه های دیگری از این مطلب را با جستجو در همین سایت بخوانید

ولی برای دانلود فایل اصلی با فرمت ورد حاوی تمامی قسمت ها با منابع کامل

اینجا کلیک کنید

n1

1

(

L[n]L

)

24

=

=


دیدگاهتان را بنویسید