1. Trang chủ
  2. » Luận Văn - Báo Cáo

Nghiên cứu ứng dụng mạng nơron nhân tạo dự báo phụ tải điện cho thành phố hưng yên

114 575 6

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 114
Dung lượng 2,39 MB

Nội dung

BỘ GIÁO DỤC VÀ ðÀO TẠO TRƯỜNG ðẠI HỌC NÔNG NGHIỆP HÀ NỘI NGUYỄN THANH KHIẾT NGHIÊN CỨU ỨNG DỤNG MẠNG NƠRON NHÂN TẠO DỰ BÁO PHỤ TẢI ðIỆN CHO THÀNH PHỐ HƯNG YÊN LUẬN VĂN THẠC SĨ KỸ THUẬT CHUYÊN NGÀNH : KỸ THUẬT ðIỆN Mà SỐ: 60.52.02.02 Người hướng dẫn khoa học: TS. TRẦN QUANG KHÁNH HÀ NỘI - 2013 Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ……………………… i LỜI CAM ðOAN Tôi xin cam ñoan ñây là công trình nghiên cứu của riêng tôi. Các số liệu và kết quả nghiên cứu nêu trong luận văn này là trung thực và chưa từng ñược công bố trong bất kỳ một bản luận văn nào khác. Tôi xin cam ñoan rằng, mọi sự giúp ñỡ cho việc thực hiện luận văn này ñã ñược cảm ơn và các thông tin trích dẫn trong luận văn ñều ñã ñược chỉ rõ nguồn gốc. Hà nội, ngày tháng năm 2013 Người cam ñoan Nguyễn Thanh Khiết Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ……………………… ii LỜI CẢM ƠN Sau thời gian thực hiện luận văn, ñến nay ñề tài “Nghiên cứu ứng dụng mạng Nơron nhân tạo dự báo phụ tải ñiện cho thành phố Hưng Yên” ñã ñược hoàn thành. Trong thời gian thực hiện ñề tài, Tôi ñã nhận ñược rất nhiều sự giúp ñỡ quý báu của các cá nhân, tập thể trong và ngoài trường. Tôi xin bày tỏ lòng biết ơn sâu sắc ñến thầy giáo TS. Trần Quang Khánh hiện ñang công tác tại Bộ môn Hệ thống ñiện trường ðại học ñiện lực ñã tận tình hướng dẫn, giúp ñỡ tôi xây dựng và hoàn thành bản luận văn này. Tôi xin chân thành cám ơn các thầy, cô giáo trong Bộ môn Hệ Thống ðiện, khoa Cơ - ðiện, trường ðại học Nông Nghiệp Hà Nội, các cán bộ chi nhánh ñiện lực thành phố Hưng Yên, Viện khoa học Việt Nam và Cục thống kê tỉnh Hưng Yên ñã giúp ñỡ và tạo ñiều kiện thuận lợi cho tôi trong quá trình học tập, công tác, nghiên cứu và hoàn thành luận văn. Cuối cùng, tôi xin bày tỏ lòng biết ơn tới gia ñình, bạn bè ñã ñộng viên và giúp ñỡ tôi trong suốt quá trình học tập, nghiên cứu và hoàn thành luận văn. Xin trân trọng cảm ơn! Tác giả luận văn Nguyễn Thanh Khiết Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ……………………… iii MỤC LỤC Lời cam ñoan……………………………………………………………………………i Lời cảm ơn…………………………………………………………………………… ii Mục lục……………………………………………………………………………… iii Danh mục bảng……………………………………………………………………… v Danh mục hình……………………………………………………………………… vi Danh mục viết tắt………………………………………………………………… …vii CHƯƠNG 1: TỔNG QUAN VỀ PHỤ TẢI 3 1.1. Giới thiệu chung 3 1.2. Các loại dự báo phụ tải 11 1.2.1. Trong quy hoạch các hệ thống ñiện 11 1.2.1.1. Dự báo dài hạn 11 1.2.1.2. Dự báo trung hạn 11 1.2.2. Trong vận hành hệ thống ñiện 11 1.3. Các yếu tố ảnh hưởng ñến phụ tải và phụ tải ngắn hạn nói riêng 11 1.4. Tìm hiểu các phương pháp dự báo phụ tải 13 1.4.1. Phương pháp trực tiếp 15 1.4.2. Phương pháp chuyên gia 16 1.4.3. Phương pháp ngoại suy ñể dự báo ñiện năng 18 1.4.4. Phương pháp san bằng hàm mũ 22 1.4.5. Phương pháp ñàn hồi kinh tế 22 1.4.6. Phương pháp cường ñộ 24 1.4.7. Dự báo bằng mô hình hồi quy tương quan 24 1.4.8. Dự báo bằng phương pháp MEDEE-S (mô hình ñánh giá nhu cầu năng lượng các nước ñang phát triển) 25 1.4.9. Phương pháp mạng nơron nhân tạo 25 1.4.10. Các bài toán dự báo phụ tải 26 1.4.10.1. Bài toán dự báo phụ tải dài hạn 26 1.4.10.2. Bài toán dự báo phụ tải trung hạn 27 1.4.10.3. Bài toán dự báo phụ tải ngắn hạn 27 CHƯƠNG 2 : KHÁI QUÁT CHUNG VỀ MẠNG NƠRON NHÂN TẠO VÀ MẠNG NƠRON TRONG TOOLBOX MATLAB 29 2.1 Khái quát chung về mạng Nơron nhân tạo 29 Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ……………………… iv 2.1.1 Khái niệm chung về mạng Nơron 29 2.1.2 Quá trình xử lý thông tin của mạng Nơron nhân tạo 29 2.1.3 Hàm truyền trong mạng Nơron nhân tạo 31 2.1.4 Cấu trúc chung của mạng Nơron nhân tạo 33 2.1.5 Các ñặc tính của mạng 40 2.2 Mạng nơron trong toolbox Matlab 40 2.2.1 Thiết lập mạng nơron với sự trợ giúp của hộp công cụ Neural Networks 40 2.2.2 Chuẩn bị dữ liệu ñể huấn luyện mạng 41 2.2.3 Luyện mạng 42 2.2.4 Kiểm tra mạng 49 2.2.5 Mô hình hoá mạng 49 2.2.5.1. Mạng nơron truyền thẳng 50 2.2.5.2 Mạng nơron hồi quy 53 CHƯƠNG 3: ỨNG DỤNG MẠNG NƠRON NHIỀU LỚP LAN TRUYỀN NGƯỢC SAI SỐ TRONG BÀI TOÁN DỰ BÁO PHỤ TẢI 60 3.1 Khái niệm cơ bản về mạng nơron nhiều lớp lan truyền ngược sai số 60 3.1.1 Kiến trúc mạng truyền thẳng 60 3.1.2 Huấn luyện mạng 62 3.1.3 Sử dụng mạng 61 3.1.4 Nghiên cứu sự hội tụ và ñộ phức tạp của quá trình huấn luyện mạng 61 3.2 Ứng dụng mạng nơron lan truyền ngược sai số vào bài toán dự báo phụ tải hệ thống ñiện 62 3.2.1 Các bước xây dựng bài toán dự báo ứng dụng mạng nơron 62 3.2.2 Xây dựng cấu trúc mạng 64 3.2.3 Xây dựng cấu trúc phần mềm mô phỏng mạng nơron (Cụ thể là ứng dụng phần mềm Matlab) 65 3.2.4 Dự báo phụ tải 68 3.2.4.1 Xử lý số liệu 68 3.2.4.2 Dữ liệu và kết quả huấn luyện 69 3.2.5 ðánh giá kết quả sau khi chạy chương trình 97 CHƯƠNG 4: NHẬN XÉT KẾT QUẢ ðà CÓ VÀ ðÁNH GIÁ 99 KẾT LUẬN VÀ KIẾN NGHỊ 102 TÀI LIỆU THAM KHẢO 104 Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ……………………… v Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ……………………… vi DANH MỤC BẢNG Bảng 1.1: Diễn biến tăng trưởng công suất cực ñại 1995 – 2005 4 Bảng 1.2: Cơ cấu tiêu thụ ñiện giai ñoạn 2000 – 2005 6 Bảng 1.3: Hệ số ñồ thị phụ tải qua các năm 10 Bảng 3.1: Bảng dữ liệu xử lý của phụ tải việt nam. 69 Bảng 3.2: Bảng số liệu dân số, GDP và công suất ñược chuẩn hóa 71 Bảng 3.3: Tham số ñầu ra mạng sau khi huấn luyện 74 Bảng 3.4: Thông số dự báo phụ tải từ năm 1995 tới 2020 77 Bảng 3.5: Sai số từng năm giữa phụ tải thực tế và dự báo 77 Bảng 3.6: Kết quả dự báo phụ tải tương ứng với các ñầu vào mạng. 79 Bảng 3.7: Bảng so sánh tham số mục tiêu và ñầu ra mạng 82 Bảng 3.8: Bảng tổng hợp kết quả dự báo phụ tải với 4 ñầu vào mạng 84 Bảng 3.9: Bảng so sánh phụ tải dự báo và phụ tải thực tế 84 Bảng 3.10: Bảng tổng hợp phụ tải dự báo 86 Bảng 3.11: Bảng tổng hợp kết quả phụ tải dự báo. 91 Bảng 3.12: Bảng so sánh dữ liệu phụ tải dự báo và dữ liệu thực tế. 91 Bảng 3.13: Bảng số liệu áp dụng cho thành phố Hưng Yên 94 Bảng 3.14: Bảng tổng hợp kết quả dự báo phụ tải cho thành phố Hưng Yên. 96 Bảng 4.1: Bảng kết quả dự báo phụ tải qua 2 phương pháp . 100 Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ……………………… vii DANH MỤC HÌNH Hình 1.2: Biểu ñồ phụ tải ngày mùa hè HTð Quốc gia 9 Hình 1.3: Biểu ñồ phụ tải ngày mùa ñông HTð Quốc gia 9 Hình 1.4: Biểu sản lượng ñiện năng tháng năm 2005 10 Hình 1.5: Biểu ñồ phụ tải các ngày trong tuần 12 Hình 1.6: ðồ thị phụ tải hệ thống ñiện có truyền hình trực tiếp worldcup và ngày bình thường. 13 Hình 1.7: Xây dựng hàm dự báo 18 Hình 2.1: Mô hình mạng nơron. 29 Hình 2.2: Transformation (Transfer) Function (Hàm chuyển ñổi) 30 Hình 2.2.1: Mô hình mạng nơron. 31 Hình 2.3: ðồ thị hàm Hard-Limit. 31 Hình 2.4: ðồ thị hàm Purelin 32 Hình 2.5: ðồ thị hàm log-Sigmoid. 33 Hình 2.6: Cấu trúc 1 nơron (Neural) 33 Hình 2.7: Mạng dẫn tiến một lớp 34 Hình 2.8: Cấu trúc mạng neural nhiều lớp. 34 Hình 2.9: Một số cấu trúc mạng. 35 Hình 2.10: Cấu trúc huấn luyện 36 Hình 2.11: Mô hình học có giám sát và học củng cố 37 Hình 2.12: Mô hình học không có giám sát. 38 Hình 2.13: Sơ ñồ cấu trúc chung của quá trình học 38 Hình 2.13.1: Sơ ñồ mạng một nơron ñơn 40 Hình 2.14: ðồ thị mạng tuyến tính. 41 Hình 2.17: Mô hình mạng nơron 5 ñầu vào và một ñầu ra 50 Hình2.18: Cấu trúc mạng nơron 1 lớp 50 Hình 2.19: Ký hiệu mạng một lớp R ñầu vào và S nơron 51 Hình 2.20: Ký hiệu một lớp mạng 52 Hình 2.21: Cấu trúc mạng nơron 3 lớp 53 Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ……………………… viii Hình 2.22: Ký hiệu tắt của mạng nơron 3 lớp 53 Hình 2.23: Ký hiệu một lớp mạng hồi quy 54 Hình 2.24: Ký hiệu tắt của mạng nơron 3 lớp hồi quy 55 Hình 3.0: Sơ ñồ mạng nơron 1 lớp 57 Hình 3.1: Mô hình học có giám sát và học củng cố 67 Hình 3.1: Sơ ñồ quy trình thực hiện bào toán. 70 Hình 3.2: ðồ thị quá trình luyện mạng. 73 Hình 3.3: ðồ thị tương quan hồi quy. 74 Hình 3.4: ðồ thị mối quan hệ giữa Y và T 75 Hình 3.5: Hình ảnh mô phỏng quá trình dự báo 76 Hình 3.6: ðồ thị dự báo phụ tải. 76 Hình 3.7: ðồ thị quá trình luyện mạng. 81 Hình 3.8: ðồ thị tương quan hồi quy. 81 Hình 3.9: ðồ thị mối quan hệ ñầu ra mạng và tham số mục tiêu 82 Hình 3.10: ðồ thị mối quan hệ ñầu ra mạng và hàm hồi quy. 83 Hình 3.11: ðồ thị dự báo phụ tải. 83 Hình 3.12: ðồ thị quá trình luyện mạng 88 Hình 3.13: ðồ thị tương quan hồi quy. 89 Hình 3.14: ðồ thị so sánh dữ liệu mẫu và dữ liệu ñầu ra mạng 89 Hình 3.15: ðồ thị hàm hồi quy của mạng. 90 Hình 3.16: ðồ thị dự báo phụ tải. 91 Hình 3.17: Biểu ñồ phụ tải dự báo 93 Hình 3.18: ðồ thị huấn luyện mạng 95 Hình 3.19: ðồ thị dự báo phụ tải. 96 Trường ðại học Nông nghiệp Hà Nội – Luận văn thạc sỹ kỹ thuật……………… ……………………… 1 MỞ ðẦU Ngày nay nước ta ñã và ñang trên con ñường tiến lên xã hội chủ nghĩa với nền kinh tế nhiều thành phần và ưu tiên cho công nghiệp hoá hiện ñại hoá trên các lĩnh vực kinh tế. Cùng với sự phát triển kinh tế thì sự ña dạng của các loại máy móc phục vụ cho sản xuất cũng như là dịch vụ phục vụ cho nhu cầu cuộc sống con người. Vì vậy nhu cầu năng lượng ngày càng lớn và là vấn ñề cấp thiết ñối với ñất nước ta. ðặc biệt là nguồn năng lượng ñiện ñang bị một sức ép lớn ñối với các nhà sản xuất tiêu thụ, các nhà quản lý phân phối ñiện năng. Tập ñoàn ñiện lực –EVN hiện nay vẫn chưa có giải pháp hữu hiệu ñể có thể ñáp ứng ñược nhu cầu ñối với khách hàng mình. Một mặt là do các nhà máy mọc lên nhiều, nhu cầu người dân tăng cao dẫn tới thiết bị tiêu thu ñiện ngày càng nhiều hơn. Thứ 2 là các nhà máy phát ñiện mới xây dựng thì phải nhiều năm mới có thể ñưa vào vận hành nên không theo kịp sự gia tăng của phụ tải. Trong những năm gần ñây do nhu cầu năng lượng không ngừng biến ñổi và tăng lên rõ rệt theo thời gian nên ngành ðiện lực ñã và ñang xây dựng rất nhiều các nhà máy ñiện ñể ñáp ứng nhu cầu tiêu thụ ñiện năng trong cả nước. Vì vậy, một trong những vấn ñề quan trọng mà ngành ñiện lực cần phải giải quyết tốt là bài toán dự báo phụ tải ngắn hạn và dài hạn. Cho ñến nay tuy ñã có nhiều phương pháp luận trong việc giải quyết bài toán dự báo, song bài toán này luôn là một bài toán khó. Hiện nay, trong ngành ðiện lực Việt Nam bài toán dự báo phụ tải ñược giải quyết chủ yếu nhờ sử dụng các phương pháp dự báo truyền thống mang tính kinh nghiệm thuần túy. Trong số các hướng nghiên cứu nhằm triển khai các hệ thống thông minh ở giai ñoạn tới, mạng nơron giữ một vai trò quan trọng trong việc phát triển các giải pháp nhận dạng, dự báo mạng nơron nhân tạo là kỹ thuật xử lý thông tin có triển vọng ứng dụng trong việc giải quyết bài toán dự báo. Kết hợp chặt chẽ với logic mờ, mạng nơron nhân tạo có thể giúp giải quyết hiệu quả hơn các bài toán phức tạp. Nhờ các ưu ñiểm như có cấu trúc xử lý song song, khả năng học và ghi nhớ, khả năng tự tổ chức và tổng quát hoá, mạng nơron nhân tạo ANN (Artificial Neural Networks) ñã ñược nghiên cứu và ứng dụng thành công trong rất nhiều lĩnh vực như xấp xỉ hàm nhận dạng mẫu, dự báo… Luận văn này chủ yếu tập trung tìm hiểu về mạng nơron nhân tạo và nghiên cứu ứng dụng giải quyết bài toán dự báo phụ tải dài hạn cho hệ thống ñiện. [...]... Nơron ñ d báo ph t i c a HTð thành ph Hưng Yên Nhi m v nghiên c u: o Nhi m v tìm hi u v h th ng ñi n và các y u t nh hư ng t i ph t i o Tìm hi u t ng quan v m ng nơron và ng d ng m ng nơron d báo ph t i o S d ng ph n m m Matlab vào d báo ph t i, c th là ng d ng m ng nơron trong toolbox c a ph n m m Matlab ñ d báo ph t i Ph m vi nghiên c u: Trong ñ tài này t p trung nghiên c u d báo ph t i dài h n trong... 1.4.10.3 Bài toán d báo ph t i ng n h n D báo ph t i ng n h n thư ng d báo cho các gi ti p theo, d báo cho 24h ti p theo và thư ng d báo ph t i ñ nh và ñáy M c ñích nh m ñưa ra các giá tr ph t i th c t khi d báo ñ v n hành h th ng cho h p lý Các y u t nh hư ng t i ph t i ng n h n là môi trư ng, ngày làm vi c, ngày ngh , ngày l , t t,… c a c ng ñ ng dân cư Bài toán d báo thư ng có 2 d ng là: d báo ph t i ñ... nhân nhưng ngư c l i k t qu d báo s có ñ chính xác cao hơn D báo nhu c u ñi n năng ñư c chia thành: D báo ng n h n, trung h n và dài h n - D báo ng n h n (gi , ngày, tháng, mùa, năm): ch y u ph c v vi c ñi u hành s n xu t, v n t i và phân ph i năng lư ng, ph c v cho nhu c u tr c ti p c a s n xu t và ñ i s ng, l p k ho ch s n xu t và kinh doanh - D báo trung h n (t 1 tháng ñ n 1 năm) thư ng ph c v cho. .. bài toán d báo ph t i dài h n ð i tư ng c th c a nghiên c u là d báo ph t i dài h n trong 10 năm nh m ñưa ra các thông s c n thi t cho công tác quy ho ch T nh ng v n ñ nêu trên thì ñ tài này tôi s ng d ng ph n m m tin h c ñ gi i quy t bài toán d báo ph t i ñi n M c ñích nghiên c u: Tìm hi u các phương pháp d báo ph t i ñi n, tìm hi u v h th ng ñi n Nghiên c u áp d ng k thu t m ng Nơron ñ d báo ph t... (v i d báo ng n h n) ñ n tình hình kinh t , tài chính (v i d báo trung h n) và bi n ñ ng chính tr xã h i (v i d báo dài h n) Vì v y khi d báo nh t là nh ng d báo trung h n và dài h n, thông thư ng ngư i ta xác ñ nh m t d i thông s (th p, trung bình (cơ s ), cao) c a s li u d báo thay vì m t tr s d báo c ñ nh Th i gian càng xa, s bi n ñ ng c a bi n d báo (th p, cao) càng l n M t s phương pháp d báo nhu... n ngoài 1.4.9 Phương pháp m ng nơron nhân t o Trư ng ð i h c Nông nghi p Hà N i – Lu n văn th c s k thu t……………… ……………………… 25 Có ba ngu n trí thông minh nhân t o b t chư c các quá trình c a b óc và h th ng th n kinh c a con ngư i là quá trình x lý ngôn ng , robot và các h nơron nhân t o H nơron nhân t o có ng d ng h u h t các lĩnh v c thương m i, trong ñó có d báo M ng nơron có kh năng chi t xu t thông... 1.2.1.2 D báo trung h n Ph m vi d báo trung h n là m t giai ño n gi a 1 tháng và 1 năm Lo i d báo này thư ng ñư c dùng ñ xác ñ nh thi t b và lư i ñi n s l p ñ t ho c thi t l p các h p ñ ng trong th trư ng ñi n 1.2.2 Trong v n hành h th ng ñi n D báo ph t i ch y u l p cho kho ng th i gian vài phút cho ñ n 168 gi Có 2 lo i d báo ph t i chính trong v n hành h th ng ñi n là d báo ph t i r t ng n h n D báo ph... ni m Phương pháp chuyên gia là phương pháp d báo có k t qu là các “thông s ” do các Chuyên gia ñưa ra, là t trình ñ uyên bác v lí lu n, thành th o v chuyên môn, phong phú v kh năng th c ti n cùng v i kh năng m n c m, nh y bén và thiên hư ng sâu s c v tương lai (ñ i v i ñ i tư ng d báo) c a m t t p th các nhà khoa h c, các nhà qu n lý cùng ñ i ngũ các cán b lão luy n thu c các chuyên môn hay n m trong... v n ñ ng - D báo ph n ng c a th trư ng trư c nh ng quy t sách kinh doanh, các hành vi nghi p v ñã và s ti n hành (nói cách khác, ñây là d báo c a d báo) Phương pháp chuyên gia cũng r t h u hi u ñ i v i d báo n ng v “ch t” hơn là v “lư ng” • Như c ñi m - Như c ñi m cơ b n là mang tính ch quan do ñó n u l a ch n chuyên gia không ñúng tiêu chu n thì ñ tin c y d báo th p - Khi các ý ki n chuyên gia t n... hàm d báo ñó Sau ñây ta s l n lư t nghiên c u hai bư c: a/ xác ñ nh d ng hàm d báo Thư ng s li u th ng kê cho ta m i quan h gi a ñi n năng và th i gian là các ñi m như hình 1.7 Hình 1.7: Xây d ng hàm d báo Trư ng ð i h c Nông nghi p Hà N i – Lu n văn th c s k thu t……………… ……………………… 18 C n áp ñ t vào ñó m t hàm s sao cho nó ph n ánh ñúng quy lu t phát tri n c a ph t i Trư c tiên ta gi thi t hàm d báo A=f(t) . nơron và ứng dụng mạng nơron dự báo phụ tải. o Sử dụng phần mềm Matlab vào dự báo phụ tải, cụ thể là ứng dụng mạng nơron trong toolbox của phần mềm Matlab ñể dự báo phụ tải. Phạm vi nghiên cứu: . pháp mạng nơron nhân tạo 25 1.4.10. Các bài toán dự báo phụ tải 26 1.4.10.1. Bài toán dự báo phụ tải dài hạn 26 1.4.10.2. Bài toán dự báo phụ tải trung hạn 27 1.4.10.3. Bài toán dự báo phụ tải. ðÀO TẠO TRƯỜNG ðẠI HỌC NÔNG NGHIỆP HÀ NỘI NGUYỄN THANH KHIẾT NGHIÊN CỨU ỨNG DỤNG MẠNG NƠRON NHÂN TẠO DỰ BÁO PHỤ TẢI ðIỆN CHO THÀNH PHỐ HƯNG YÊN LUẬN VĂN THẠC SĨ KỸ THUẬT CHUYÊN

Ngày đăng: 01/11/2014, 09:43

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[7] Bakirtzis . AG, Petridis, v., Kiartis, SJ, Alexiadis,MC, and Maissia (1996), “A Neural Network Short Term Load Forecasting Model for Greek Power Systems ”, IEEE Transactions on Power Systems, 11:858-863 Sách, tạp chí
Tiêu đề: A Neural Network Short Term Load Forecasting Model for Greek Power Systems
Tác giả: Bakirtzis . AG, Petridis, v., Kiartis, SJ, Alexiadis,MC, and Maissia
Năm: 1996
[10] HT Yang and CM Huang (1998), “A New Short-Term Load Forecasting Approach using Self-Organizing Fuzzy ARMAX Model ”,IEEE Transactions on Power Systems, 13:217-225 Sách, tạp chí
Tiêu đề: A New Short-Term Load Forecasting Approach using Self-Organizing Fuzzy ARMAX Model
Tác giả: HT Yang and CM Huang
Năm: 1998
[11] The Mathworks, Inc. 2004. “Back_propagation (Neural network Toolbox)”. http://www.mathworks.com Sách, tạp chí
Tiêu đề: Back_propagation (Neural network Toolbox)
[12] Scribd.com. (http://www.scribd.com/doc/7065488/83/TAI-LI%E1%BB%86U-THAM-KH%E1%BA%A2O) và một số bài báo khoa học có liên quan Link
[1] Nguyễn Thanh Cẩm, Trớ tuệ nhõn tạo, Trường Cao ủẳng cụng nghệ thụng tin hữu nghị Việt - Hàn Khác
[2] TS. Trần Quang Khánh (2010), Matlab ứng dụng – tập 1, 2, NXB Khoa học & kỹ thuật Khác
[3] TS. Trần Quang Khỏnh, Hệ thống cung cấp ủiện, NXB Khoa học & kỹ thuật Khác
[4] Nguyễn Thanh Khiết. Ứng dụng mạng nơron nhõn tạo dự bỏo phụ tải ủiện, Tạp chí Công nghệ năng lượng số 5 Khác
[5] Th.s Nguyễn Thị Thanh Loan (2005), Dự bỏo nhu cầu ủiện năng Việt Nam Từ 2005 tới 2020 bằng phương phỏp ủa hồi quy, Học viờn ðại học Bỏch Khoa Hà Nội Khác
[6] Nguyễn đình Thúc (2000), Mạng Nơron phương pháp và ứng dụng, Nhà xuất bản giáo dục Khác
[7] Th.s Trần Nam Trung (2006), ðề tài hiện trạng hệ thống ủiện Việt Nam, Học viên trường ðại học Bách Khoa Hà Nội Khác
[8] Nguyễn Nhật Quang (2011-2012), Học máy, Trường ðại học Bách Khoa Hà Nội – Viện công nghệ thông tin và truyền thông Khác
[9] Tài liệu báo cáo tổng kết hàng năm của viện khoa học Việt Nam Khác
[11] Phòng công nghiệp thuộc sở công thương tỉnh Hưng Yên Khác
[9] HL Willis (1996). Spatial Electric Load Forecasting. Marcel Dekker, New York Khác

TỪ KHÓA LIÊN QUAN

TRÍCH ĐOẠN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN