14334

مروري بر مدل‌هاي تخمين تقاضاي انرژي

1400

سعيد ميرزامحمدي

در كنار افزايش تقاضاي انرژي در قرن حاضر، عرضه و تقاضاي نامتعادل انرژي در دوره هاي زماني مختلف و شرايط جغرافيايي، آب و هوايي و حتي سياسي، اهميت پيش‌بيني‌هاي دقيق تقاضاي انرژي را افزايش مي دهد. مقالات بررسي‌شده در اين پژوهش از تنوع زيادي برخوردارد. چه از حيث موضوع مورد مطالعه كه شامل پيشبيني تقاضا و مصرف گاز، برق، بار سرمايش و گرمايش و تخمين مصرف برق در زمان پيك مصرف بود. از نظر بخش مورد مطالعه نيز انواع بخش‌هاي مسكوني، صنعت و حمل و نقل مورد بررسي قرار گرفت. در هر كدام از اين پژوهش‌ها از رويكردهاي متفاوتي براي حل مسئله مهم تخمين تقاضاي انرژي استفاده شد. از رويكردهاي يادگيري ماشين، شبكه عصبي، تكنيك‌هاي اماري، رويكردهاي مواجه با عدم قطعيت، روش‌هاي فراابتكاري و سيستم دايناميك استفاده كرده بودند. مقالات افزايش توجهات به يادگيري ماشين براي مدل‌سازي تقاضاي انرژي را نشان مي‌دهد. همچنين مقالات با موضوع پيش‌بيني تقاضاي برق بيشتر از ساير مقالات هستند. در ايران نيز با توجه به اقدامات انجام شده در خصوص هوشمند كردن كنتورهاي برق، در سال‌هاي آتي حجم قابل توجهي از داده‌هاي ارزشمند از برق مصرفي كشور در دسترس محققين خواهد بود كه با روش‌هاي داده‌محور مدل‌هاي دقيق‌تري در حوزه تخمين انرژي ايجاد كنند.

4/23/2024 12:00:00 AM

85324

1403/10/09

مدل‌سازي تقاضاي انرژي , يادگيري ماشين , پيش‌بيني بار الكتريسيته , رگرسيون

Energy Demand Modeling , Machine Learning , regression