مهدی مرادی

تاریخ انتشار : Publish : نسخه قابل چاپ Print

دانشکده مهندسی

گروه برق

 

پایان نامه:  

برای دریافت درجه کارشناسی ارشد

عنوان:

پیش­بینی کوتاه مدت مصرف الکتریکی با استفاده از رویکردی کوانتومی

استاد راهنما:

 دکتر علی دیهیمی

پژوهشگر:  مهدی مرادی

زمان: دوشنبه 15/4/1394      ساعت:11         مکان: آمفی تئاتر

چكيده:

در این پایان­نامه به پیش­بینی کوتاه مدت بار با استفاده از روش­های مبتنی بر هوش مصنوعی پرداخته شده است. در این روش از شبکه­های عصبی کوانتومی به عنوان سیستم پیش­بینی کننده استفاده شده است و به منظور دست­یابی به نتیجه­ای مطلوب برای آماده­سازی ورودی­ها، تبدیل ویولت و آنالیز همبستگی و مسئله پدینگ، به کار گرفته شده­اند. البته به منظور نمایش نقش موثر این نحوه آماده­سازی ورودی­ها، یک بار شبکه عصبی کوانتومی طراحی شده،  بدون استفاده از این مفاهیم پیاده­سازی شده است و یکبار نیز شبکه مورد نظر با اعمال تمامی این مفاهیم پیاده­سازی می­شود. از این روش­ها به منظور پیش­بینی بار ساعت آینده استفاده شده است. به منظور دستیابی به مقدار بهینه پارامترهای شبکه عصبی کوانتومی، شامل وزن­های ارتباطی بین ورودی­ها و نورون­های شبکه و پارامترهای سیستم کوانتومی (این پارامترها خاصیت کوانتومی را به شبکه تزریق می­کنند) و همچنین دست­یابی به یک شبکه کارا و موثر در پیش­بینی بار که تاثیر بسیار مطلوبی بر نتایج پیش­بینی دارد، از الگوریتم بهینه­سازی pso استفاده شده است. در حقیقت وظیفه آموزش شبکه و تعیین وزن­های ارتباطی، بر عهده الگوریتم بهینه­سازی pso  می­باشد. تابع هدف الگوریتم مورد نظر خطای موجود مابین خروجی واقعی و پیش­بینی شده می­باشد. همچنین برای دست­یابی به ساختار مناسب شبکه (تعیین تعداد لایه­‌ها و نورون­ها و...) از روش آزمون خطا بهره برده شده است. داده­‌های مورد استفاده، بار واقعی شبکه برق آمریکای شمالی می­باشد. نتایج به دست آمده توسط روش فوق قابلیت و دقت بالای روش ارائه شده را به خوبی نشان می­دهد.

واژه­‌های کلیدی:  پیش­بینی کوتاه مدت بار، شبکه عصبی کوانتومی، تبدیل ویولت، آنالیز همبستگی، الگوریتم بهینه­‌سازی pso .



Abstract:

In this thesis the short term load forecasting method based on artificial intelligence has been presented. In this way the quantum neural network is used as a predictive system and in order to achieve the desired result to prepare inputs, Wavelet transform and correlation analysis and Padding technique, have been used. However, in order to prove the effect of this way of preparing inputs, once, the quantum neural network, without the use of these concepts have been implemented and again applying all of these concepts to implement network. This method has been used to predict one-hour ahead load forecasting. In order to achieve optimum parameters of a quantum neural network, Including weights between inputs and network's neurons and Quantum system parameters (These parameters Injected quantum property into the network) and also Access to an efficient and effective network load forecaster, pso optimization algorithm is used. In fact, pso optimization algorithm is responsible for determining the communication weights and training network. The error between the actual and forecasted outputs are the objective function of the algorithm. As well as, trial and error method is used to achieve an appropriate structure network (determine the number of layers and neurons etc). Real hourly load data of a North-American electric utility are used as a data set. The proposed method is compared with other methods on the same data set showing the ability of this method to forecast electric load with high accuracy.

Key Words: Short-term electric load forecasting , Quantum Neural Network , Wavelet transform , Correlation analysis , Particle Swarm Optimization Algorithm (PSO)


رزومه

اطلاعات شخصی:

ü      نام و نام خانوادگی : مهدی مرادی

ü      تاریخ تولد : 16 اردیبهشت 1368

ü      آدرس : ملایر- شهرک ولیعصر- خ جانبازان- ک شهید زند عباس آبادی- پلاک 11999

ü      شماره موبایل : 09362860561

ü      آدرس ایمیل : moradimehdi1368@gmail.com

سوابق تحصیلی

ü      از مهر سال 92 تا تیر سال 94

دانشجوی کارشناسی ارشد مهندسی برق (گرایش قدرت) دانشگاه بو علی سینا همدان

ü      مهر سال 87 تا شهریور سال 91

کارشناسی مهندسی برق ( گرایش الکترونیک)

ü      مدرک دیپلم و پیش­دانشگاهی در رشته ریاضی و فیزیک

 

مهارت ها

مهارت­های نرم­افزاری:

ü      نرم افزار MATLAB کد نویسی و سیمولینک

ü       نرم افزار CodeVisionAVR

ü      نرم افزار Proteus

ü      مجموعه نرم­افزارهای Microsoft Office

ü      نرم افزار LogicWorks

عنوان پایان­نامه کارشناسی ارشد:

پیش­بینی کوتاه مدت مصرف الکتریکی با استفاده از رویکرد کوانتومی

مهارت­های زبانی:

انگلیسی(سطح خوب) ، فارسی(زبان مادری)

سایر مهارت­ها

ü      گدراندن دوره کارآموزی در پست­های 63/230 و 20/63 کیلو ولت شهرستان ملایر

ü      دارای مدرک (( طراح و تحلیل­گر مدارات میکرو کنترلر)) از مجتمع فنی و حرفه­ای همدان

ü      دارای مدرک گواهی حضور در سمینار مکاترونیک از مجتمع فنی و حرفه­ای همدان

ü      دارای مدرک شرکت در مسابقات رباتیک دانشگاه کردستان Robo-ICT در سال 89

سوابق پژوهشی

ü      پایان­نامه کارشناسی با موضوع جایابی بهینه ادوات FACTS در سیستم­های قدرت

ü      آشنایی با شبکه­های عصبی و منطق فازی و پیاده­سازی آن­ها و انجام پروژه­های درسی برای این مباحث

ü      آشنایی با روش­های بهینه­سازی Optimization و نحوه کد نویسی آن­ها و انجام پروژه­های درسی برای این مباحث

ü      آشنایی با انرژی­های تجدیدپذیر و مولدهای انرژی پاک(سلول­های خورشیدی و توربین­های بادی و ...) مدلسازی و و انجام پروژه­های درسی برای این مباحث

ü      آشنایی با الکترونیک قدرت و ادوات FACTS و انجام پروژه­های درسی برای این مباحث