مهدی مرادی
مهدی مرادی
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