پروپوزال پیش بینی تقاضای برق با داده کاوی

در سالیان اخیر، با توجه به اینکه انرژی الکتریکی در تمام سطوح زندگی بشر نقش اساسی ایفا می کند، دارای اهمیت استراتژیک بالایی بوده است. به-طوری که قطع چند لحظه برق می تواند زندگی شهروندان را مختل نماید. از آنجایی که انرژی الکتریکی قابلیت ذخیره سازی ندارد و نیز رشد سریع مصرف برق، یک مدیریت بهینه مصرف برای این نوع انرژی نیاز است. شرکت های توزیع برق به عنوان حلقه متصل به مشترکین در زنجیره عرضه برق می بایست میزان تقاضای برق مشترکین خود را با پیش بینی دقیق برآورد کرده و جهت تامین انرژی مورد نیاز اقدام نماید.

لذا تجزیه و تحلیل داده های مصرفی مشترکین برای شناخت الگوهای رفتار مصرفی آن ها ضروری می باشد. مسئله شناخت الگوی مصرف و پیش بینی میزان برق مورد نیاز مشترکین تحت تاثیر عوامل مختلفی قرار دارد که این عوامل منجر به ماهیت پیچیده و غیرخطی الگوهای مصرف می شوند. از سوی دیگر، داده کاوی که فرآيند یافتن الگوها و دانش ضمنی نهفته در پايگاه داده های عظيم است، می تواند کمک شایانی در راستای دستیابی به اهداف مدیریت بهینه مصرف نماید.

شناخت الگوهای رفتاری مصرف برق مشترکین برای اتخاذ سیاست های مناسب به منظور مدیریت پایدار در شبکه برق امری مهم و ضروری است. با توجه به میزان مصرف بالای انرژی الکتریکی در بخش خانگی، پیش بینی صحیح تقاضای انرژی الکتریکی مشترکین خانگی یکی از جنبه-های مهم در مدیریت شبکه برق می باشد ]9[. استخراج الگوها و دانش پنهان در اطلاعات مصرفی مشترکین برق و پیش بینی میزان مصرف با توجه به عوامل تاثیرگذار، می تواند برای هر یک از شرکت های تولید، انتقال و مدیریت توزیع برق کارا باشد. تجزیه و تحلیل داده-های انبوه از مصرف برق مشترکین با استفاده از روش-های آماری سنتی، برای این منظور کارآمد نبوده و به نظر می رسد استفاده از تکنیک های داده کاوی می تواند ابزاری راهگشا در جهت پیش بینی و شناخت الگوهای پنهان رفتاری مصرف برق مشترکین باشد]10[.

فهرست مطالب

فصل اول: مقدمه و طرح مسئله
1-1- مقدمه1
1-2- بیان مسئله تحقیق2
1-3- ضرورت و اهداف تحقیق 3
1-4- جنبه جدید بودن و نوآوری تحقیق 6
1-5- ساختار پایان نامه 7

روش تحقیق
4-1- مقدمه 43
4-2- فرآیند داده کاوی 44
4-3- استاندارد CRISP-DM44
4-3-1- مرحله درک تجاری 45
4-3-2- مرحله درک داده ها 46
4-3-3- مرحله پیش پردازش داده ها 50
4-3-4- مرحله ساختن مدل53
4-3-4-1- الگوریتم C&R 53
4-3-4-2- الگوریتم CHAID 55
4-3-4-3- الگوریتم رگرسیون خطی 56
4-3-4-4- الگوریتم شبکه عصبی57
4-3-4-5- الگوریتم کوهونن58
4-3-5- مرحله ارزیابی مدل 59
4-3-6- بکارگیری مدل 61
4-4- چکیده فصل 62

منابع