۱- پیش بینی بیشتر از نیاز مصرف منجر به زیاد شدن ذخیره چرخان و در نتیجه هزینه های مرتبط با آن
می گردد.
۲- پیش بینی کمتر از نیاز مصرف منجر به افت فرکانس، ناپایداری شبکه و در مدار قرار دادن واحدهای خاموش و هزینه های مرتبط با آن می گردد.
پس از تجدید ساختار در صنعت برق کشور، پیش بینی نیاز مصرف ساعتی توسط شرکت های برق منطقه ای انجام شده و به تبع شفاف سازی هزینه ها، پیش بینی نادرست نیاز مصرف باعث می شود که شرکت های برق منطقه ای جریمه گردند. امروزه با راه اندازی بازار خرده فروشی پیش بینی نیاز مصرف توسط شرکت های توزیع انجام می گیرد و عواقب پیش بینی نادرست متوجه این شرکت ها خواهد بود. روش های متفاوتی برای پیش بینی کوتاه مدت بار وجود دارد، روش های ابتدایی عموما بر پایه روش های آماری و با توجه به منحنی بار روزانه استوار است اما در سال های اخیر پیش بینی کوتاه مدت بار، بیشتر با روش های هوش مصنوعی انجام شده که از جمله آنها می توان به شبکه عصبی، فازی-عصبی، عصبی تطبیقی و عصبی – فازی اشاره نمود.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

در نگاه اول ممکن است تصور شود که پیش بینی نیاز مصرف با خطای کم، هزینه خرید برق را حداقل
می نماید اما قوانین حاکم بر بازار برق ایران به گونه ای تدوین شده که پیش بینی با خطای کم تنها پارامتر کاهش هزینه های خرید برق نمی باشد. به عبارت دیگر مطابق قوانین بازار برق ایران پیش بینی کمتر یا بیشتر از نیاز مصرف به خریداران هزینه های متفاوتی را تحمیل می نماید.
۱-۲) راهکارها
با توجه به مطالب ذکر شده در بخش قبل خریداران انرژی الکتریکی سعی می کنند پیش بینی نیاز مصرف خود را تا حد امکان کمتر از مقدار واقعی اعلام نمایند. چرا که این امر علاوه بر اینکه خریداران را از حداقل شدن قدرت درخواستی مطمئن می کند در صورت جریمه شدن نرخ جریمه کمتر از حالتی است که پیش بینی بیشتر از مصرف واقعی باشد. اما باید توجه داشت که پیش بینی کمتر از نیاز مصرف نیز پیامدهای زیر را به دنبال خواهد داشت.
۱- افزایش احتمال جریمه شدن به دلیل افزایش قدر مطلق خطا
۲- افزایش احتمال جریمه شدن به دلیل افزایش متوسط قدرمطلق خطا
۳- افزایش شاخص جریمه خطای پیش بینی نیاز مصرف و نیاز مصرف واقعی شرکت برق منطقه ای
جهت کاهش این پیامدها لازم است برای پیش بینی نیاز مصرف کمتر از مصرف تدابیری اندیشیده شود تا اثرات این عواقب کاهش یابد.
همانطور که ملاحظه می شود برای کاهش هزینه خرید انرژی الکتریکی بهتر است پیش بینی نیاز مصرف کمتر از میزانی باشد که امکان مصرف آن وجود دارد. اما نکته مهم این است که نیاز مصرف چه مقدار کمتر پیش بینی شود. برای این منظور لازم است به این نکته توجه داشت که در صورت تجاوز متوسط قدرمطلق خطا از حد مجاز، خریداران مشمول پرداخت جریمه می گردند. از این رو پیش بینی نیاز مصرف باید به گونه ای باشد که اولا خریدار مشمول پرداخت جریمه برای افزایش متوسط خطای از مقدار مجاز نگردد و ثانیا در ساعاتی که مصرف بیشتر است خریدار با توجه به افزایش بازه خطای مجاز، آزادی بیشتری در پیش بینی نیاز مصرف دارد. با توجه به نکات ذکر شده این ایده در ذهن القا می شود که برای پیش بینی کمتر در هر ساعت باید به مصرف و حد مجاز متوسط خطا توجه داشت.
۱-۳) پیش بینی بار از دیدگاه دوره های زمانی [۱۴][۹][۱۱]
برنامه ریزی و بهره برداری بهینه در سیستم های قدرت از نقطه نظر زمانی در چند مرحله بشرح زیر انجام می پذیرد:
برنامه ریزی دراز مدت ( ۳۰-۵ سال )
برنامه ریزی میان مدت ( تا یک سال )
برنامه ریزی کوتاه مدت (یک روز تا یک هفته )
برنامه ریزی لحظه ای ( چند دقیقه تا چند ساعت )
۱-۳-۱) برنامه ریزی دراز مدت ( ۳۰-۵ سال )
در برنامه ریزی دراز مدت، با در نظر گرفتن توان و ترکیب و طول عمر نیروگاه های موجود، توانائی شبکه های انتقال و توزیع، قرار دادهای دراز مدت برای تبادل انرژی الکتریکی با شرکت در سیستم به هم پیوسته در مورد نوع و اندازه و محل احداث نیروگاه های جدید نحوه گسترش شبکه ماشین ویا تجدید نظر در قرار دادها تصمیم گیری می شود.
۱-۳-۲) برنامه ریزی میان مدت ( تا یک سال )
در برنامه ریزی میان مدت با در نظر گرفتن توان وترکیب نیروگاه های موجود، میزان ذخیره سوخت، میزان آب ذخیره در مخزن ها، قرار داد شرکا، در مورد نحوه زمان بکارگیری نیروگاه های حرارتی و آبی، تهیه سوخت میزان تبادل انرژی الکتریکی با شرکا، زمانبندی بهینه برای بازرسی و تعمیرات نیروگاهها و شبکه تصمیم گیری می شود.
۱-۳-۳) برنامه ریزی کوتاه مدت(یک روز تا یک هفته )
در برنامه ریزی کوتاه مدت با در نظر گرفتن قیود موجود و محدودیت ها و با بهره گرفتن از حداکثر انرژی و توان خریداری شده از شرکا، در مورد در مدار قرار گرفتن بهینه نیروگاه های خودی، به منظور کاستن هزینه سوخت تصمیم گیری می شود.
۱-۳-۴)برنامه ریزی لحظه ای ( چند دقیقه تا چند ساعت )
در برنامه ریزی لحظه ای، توزیع اقتصادی بار در بین نیروگاه های موجود در هوا ونیز کنترل توان - فرکانس مدنظر می باشد. اطلاعات لازم برای انجام برنامه ریزی مرحله ای بهینه در سیستم های قدرت توسط پیش بینی میزان مصرف الکتریکی در زمانبندیهای قید شده در فوق در دسترس قرار می گیرند.
مصرف بار الکتریکی به صورت پیچیده و غیر خطی تابعی از پارامتر های متعددی از جمله شرایط آب وهوائی ( درجه حرارت، مقدار رطوبت، روشنایی هوا، سرعت باد ) می باشد در ضمن هر روز هفته منحنی بار خود را دارد. منحنی های مصرف بار در روزهای تعطیل وغیرتعطیل نیز از یکدیگر متمایز می باشد در فصول مختلف سال نیز با توجه به عوامل مختص هر فصل، نیز طول روز، منحنی مصرف بار تغیر می کند، در طول زمان نیز با توجه به رشد جمعیت، و رشد اقتصادی جامعه، میزان میانگین مصرف بار به مرور افزایش یا بالعکس بر اثر بهینه شدن ابزار الکتریکی و یا اقدامات صرفه جویانه مصرف کنندگان عمده برق، کاهش می یابد. تغییر عادت مصرف کنندگان، بر اثر مدیریت بار از سوی تولید کنندگان انرژی الکتریکی، و یا تغییر ساخت اقتصادی (کشاورزی، صنعتی، تجاری و… ) محل تغذیه ویا در کوتاه مدت عواملی به مانند برنامه های تلویزیونی، نیز بر ساختار اقتصادی بار موثر می باشد.
در مدل سازی برای پیش بینی بار، باید تمامی این عوامل بیان کننده منحنی بار در نظر گرفته شوند اضافه بر آن این مدل ها انتظار می رود که با خطای کم، منحنی بار را پیش بینی نماید.
۱-۴) عوامل موثر در پیش بینی بار الکتریکی
مهمترین عوامل محیطی موثر بر مصرف بار الکتریکی به صورت دسته بندی شده به شرح ذیل می باشد:
عوامل اقلیمی
عوامل اقتصادی
تاثیر زمان بر بار مصرفی
۱-۴-۱) عوامل اقلیمی
عوامل اقلیمی موجب می شود منحنی مصرف برق مربوط به دستگاه های گرم کننده و سرد کننده تغییر کند. عواملی چون درجه حرارت، رطوبت هوا و سرعت وزش باد از مهمترین عوامل اقلیمی می باشند.
۱-۴-۲) عوامل اقتصادی
عوامل اقتصادی به عنوان مکان برخی صنایع سنگین مانند فولاد و ذوب آهن نوسانات شدید و غیر قابل کنترل دارند. مشخص نبودن ساعت دقیق کارکرد این قبیل صنایع موجب می شود منحنی مصرف آنها شکل تصادفی به خود گیرد. همچنین طوفان، صاعقه، پخش برنامه های خاص تلویزیون که دارای مصرف مشخص نیستند و رویدادهای ورزش را می توان از این قبیل عوامل تصادفی دانست.
۱-۴-۳) تاثیر زمان بر بار مصرفی [۷][۶]
منحنی تغییرات بار نمایانگر رفتار مصرف کنندگان برق در هر جامعه است. روزهای مختلف هفته را می توان به چهار گروه شنبه، میان هفته، پنج شنبه، جمعه مناسبت های مختلف جشن، عزای عمومی تقسیم نمود که هر یک از نحوی جداگانه بر میزان بار مصرفی در شبکه سراسری اثر می گذارند. شنبه در۶ ساعت اول روز( بامداد ) به مناسبت تعطیلی شیفت سوم صنایع با سایر روزها تفاوت دارد و بار کم است.
مناسبت های مذهبی چون بر اساس سال قمری است و به دلیل گردش ۱۱ روز بر روی تقویم شمسی، باعث ایجاد روزهای خاص زیادی در دسته بندی های بر شمرده فوق ایجاد می نماید. ماه رمضان نیز بر شکل منحنی بار اثر می گذارد به نحوی که در هنگام سحر افزایش باری تا ۱۶۰۰ مگاوات و کاهش قله پیک شبانگاهی تا ۵ درصد در این ماه پدیدار می شود.
حداقل بار مصرفی در یکی از روزهای عاشورا و یا ۱۳ فروردین که تقریبا تمامی فعالیتهای صنعتی، تجاری، بخش اعظم عمومی و کشاورزی تعطیل است، اتفاق می افتد. مطالعات بار نشان میدهد که پخش برنامه های پربیننده تلویزیون مثل مسابقات مهم ورزش در نیمه ها شب باعث افزایش بار تا حدود ۶۵۰ مگاوات و به عکس به هنگام اوج مصرف باعث کاهش تا حدود ۳۰۰ مگاوات از بار مصرفی میگردد. علت عمده این اتفاق به ظاهر غیر عادی تعطیلی سایر فعالیت های برای تماشای برنامه مورد علاقه است. لحظه تحویل سال نو نیز بر حسب زمانی باعث افزایش بار به میزان ۶۰۰ تا ۱۴۰۰ مگاوات میگردد.
در فصل اول این پروژه، به اهمیت پیش بینی بار در سیستم های قدرت پرداخته شده است.
در فصل دوم با انواع مدلهای پیش بینی از جمله مدل سری زمانی، رگرسیون، مصرف نهائی، شبکه عصبی و فازی آشنا می شویم. با توجه به اینکه پیش بینی بار متداول در شرکت توزیع مازندران با بهره گرفتن از روش رگرسیون می باشد، در ادامه با بهره گرفتن از نرم افزار SAS به ارائه این مدل جهت پیش بینی بار پرداخته شده است.
با تحلیل مدل برازش شده مشاهده شده است که این مدل قادر به پیش بینی بار روزهای خاص، شامل روزهای تعطیل و نیز روزهای آخر هفته نمی باشد.
در ادامه برای دستیابی به مدل مطلوب به بررسی روش فازی پرداخته شده است. در این راستا ابتدا در فصل سوم به تشریح منطق فازی و روش پیاده سازی برنامه در محیط مطلب اشاره نموده و در فصل چهارم با بهره گیری از اطلاعات سالهای گذشته و نمودار مصرف و لحاظ نمودن تاثیر عوامل محیطی، بار کوتاه مدت استان مازندران را پیش بینی شده است.
فصل دوم:
روش های مدل سازی
۲-۱) پیش ‌بینی