دانشگاه بوعلی سینا

دانشکده فنی و مهندسی

گروه برق

جلسه دفاع از پایان نامه کارشناسی ارشد 

عنوان:

تعیین سهم مشترکین مختلف از بار فیدر به روش خوشه بندی سری­های زمانی چندگانه

 

 استاد راهنما:

آقای دکتر علیرضا حاتمی

پژوهشگر:

جواد زلقی

زمان:

24/04/97 ، ساعت 11

مکان:

سمینار 2 گروه برق

                                                          

 

Bu-Ali Sina University

Faculty  Engineering

Electrical Department

Master’s thesis defense 

Thesis Title:

Multivariate time series approach for customer classification and load profiling

 

supervisor:

Dr. Alireza Hatami

 

By:

 Javad Zalaghi

 

Time:

July,15, 2018, Am 11:00

 

Place:

Second seminar of Electrical Department

 

 

چكيده:

امروزه با پیشرفت فناوری­های نوین، جهان با حجم زیاد داده­ها و الگوهای قابل استخراج از بین آنها رو به رو است که تجزیه و تحلیل، طبقه بندی، خلاصه کردن و همچنین اشتراک­گذاری اطلاعات را دشوار می­سازد و داده­کاوی به عنوان استخراج دانش از حجم عظیم داده­ها، یکی از مناسب­ترین روش­ها برای کار با داده­ها و الگو­های موجود در آنها می­باشد. همچنین با اندازگیری هوشمند امکان پردازش غیر متمرکز داده­ها و نیز مخابرات وسیع برای تحویل اطلاعات به صورت آنی مهیا شده تا بوسیله تحلیل اطلاعات، انرژی مورد نیاز شبکه توزیع برای اهدافی نظیر: مدیریت مصرف، تعیین تعرفه و افزایش قابلیت اطمینان پیش بینی گردد. شرکت­های توزیع برق با توسعه جوامع و افزایش روزافزون گرایش به مصرف برق در بخش­های مختلف خانگی، صنعتی، کشاورزی و... با حجم عظیمی از داده­های مصرف­کنندگان رور برو هستند. از این رو شرکت­های توزیع برق نیازمند تحلیل و بررسی بیشتر بر روی داده­های خود می­باشند تا بتواند خدمات­رسانی بهتری به مشترکین ارائه دهند. شناخت عوامل موثر بر میزان مصرف برق و میزان تاثیر آنها می­تواند منجر به برآورد میزان مصرف الگوها و مؤلفه­های موجود در شبکه گردد که باعث برنامه­ریزی­ها و سیاست گذاری­های درست می­شود که در نهایت منجر به پایداری و کاهش هزینه­ها در شبکه توزیع برق می­گردد. این پژوهش سه هدف را دنبال می­کند که شامل: تعیین درصد سهم بار و تعداد اعضای خوشه­ها درهرکلاس مصرف و همچنین تعیین درصد بار هر کلاس مصرف از بار فیدر می­شود. با استفاده از روش­های مختلف داده­کاوی نظیر: طبقه­بندی، خوشه­بندی، کاهش­ابعاد و بکارگیری شبکه­های عصبی یک فرآیند هفت مرحله­ای تعریف می­گردد تا برای رسیدن به اهداف ذکر شده از طریق ارزیابی و تحلیل پروفایل بار فیدر اقدام نماید. هر مرحله از فرآیند تعریف شده مورد ارزیابی و اعتبار سنجی قرار گرفت تا از نتایج حاصل در هر مرحله اطمینان حاصل شود. فرآیند پیشنهادی در این پایان نامه به علت تحلیل جزیره­ای و جداگانه که در ارزیابی کلاس­های مختلف مصرف دارد، می­تواند بررسی دقیق و جداگانه­ای از رفتار الگوهای مصرفی داشته باشد. در انتها فرآیند تعریف شده بر روی یک فیدر نمونه مورد آزمایش قرار گرفت که نتایج بدست آمده، نشان دهنده­ی دقت مطلوب در ارزیابی­هاست، بخصوص در زمانی که تغییرات شدید در نحوه رفتار الگوهای مصرف صورت می­گیرد.

 

 

Abstract

Today, due to modern technological advancement, the world is faced with a large amount of data and extractable patterns which make it difficult to analyze, classify, summarize, and also to share information. So, data mining as the process of extracting knowledge from the vast amount of data is one of the most appropriate methods to work with the data and its available patterns.In addition, intelligent measurement allows decentralized data processing and extensive telecommunication contributing to immediate data delivery and information analysis which make it possible to predict the energy requirements of distribution network for purposes including consumption management, tariff setting and reliability increase. Electricity distribution companies have encountered huge amount of consumer data because of the development of societies and the ever-increasing growth of electricity consumption in various household, industrial, agricultural and other sectors. Therefore, it’s necessary for power distribution companies to further analyze their data in order to provide better service to their customers. Identifying the factors influencing the amount of power consumption and their impact level allows estimating the consumption of network’s patterns and components resulting in proper planning and policies which ultimately lead to sustainability and cost reduction in the electricity distribution network. The present paper has sought to determine the percentage of load contribution, the number of clusters’ members in each consumption class and the load percentage of each consumption class of feeder load. Using various data mining techniques such as classification, clustering, dimensionality reduction, and applying neural networks, a seven-step process was defined to achieve the mentioned objectives by evaluating and analyzing feeder load profile. To ensure the results obtained in the defined process, each step was evaluated and validated. Given the distinct island analysis used in the assessment of different classes, the proposed process can provide an accurate and particular examination of the behavior of consumption patterns. Finally, the process defined on a sample feeder was tested, the results of which indicated a desirable accuracy in evaluations, especially when there was a significant change in the behavior of consumption patterns.

 

 

 

 

·        دارای سابقه کاری به مدت دو سال در اداره برق شهرستان اندیمشک

·        دارای مدرک ICDL  گواهینامه بین المللی کاربری کامپیوتر