عنوان ترجمه شده مقاله: پیش‌بینی بار برای طراحی و عملکرد سیستم‌های قدرت با استفاده از شبکه عصبی مصنوعی (مطالعه موردی درباره‌ی انرژی برق-آبی لارونا در نیروگاه برق استخراج فلز نیکل)

چکیده

 هدف از این تحقیق، تحلیل عملکرد بارهای قدرت نیروگاه است تا عملکرد نیروگاه برق-آبی را در زمینه‌های عملیاتی و طراحی بهبود بخشد. مقدار برق مصرفی در زمان مشخص، کاملاً قابل اندازه‌گیری نمی‌باشد. این امر موجب کمبود تغذیه برق در طرف مصرف­کننده می‌شود بشرط اینکه برق تولید شده کمتر از انرژی الکتریکی مورد نظر باشد. همچنین، افزایش برق مورد نیاز سبب مشکلاتی از جمله کیفیت تحویل قدرت الکتریکی به مصرف­کننده می‌شود. بمنظور حل این مشکلات، طراحی مناسب و قابل اطمینان سیستم قدرت الکتریکی براساس پیش‌بینی بار الکتریکی در آینده، ضروری می‌باشد. در این مطالعه، پیش‌بینی بار برای طراحی و عملکرد ایستگاه برق-آبی لارونا در ایستگاه استخراج آهن Sorowako، از طریق شبکه عصبی مصنوعی (ANN) ارائه شده است. ANN توسطMATLAB  پیاده‌سازی شده است. ساختار ANN بر اساس MLP (پرسپترون چندلایه‌ای) است. پیش‌بینی بار توسط شبیه‌سازی انجام شده و شبکه عصبی با داده‌های بدست آمده، آموزش داده می‌شود. بعد از اعتبارسنجی نرخ خطای شبکه عصبی، تابع شبکه بمنظور تخمین پیش‌بینی کوتاه مدت با تعیین پارامترهای تخمین‌گر، استفاده می‌شود. این پارامترها عبارتند از: تعداد ورودی یادگیری، تابع فعال‌ساز و نرخ یادگیری است. خطا به‌عنوان MAPE (میانگین قدرمطلق درصد خطا) محاسبه می‌شود و معیارهای انتخاب مدل براساس بهترین مقادیر RMSE و کوچکترین مقدار MAPE است. در این مقاله، مقدار خطا حدود %957/0 بود.

1-مقدمه

بیشترین چیزی که در دنیای امروز مصرف می‌شود، انرژی است. با افزایش تقاضا و مصرف انرژی در PT. Vale Indonesia Tbk، اجبار به قطعی سیستم قدرت در حال افزایش می‌باشد. بمنظور فراهم کردن انرژی برق با روشی مطمئن و اقتصادی به کارخانه‌های فرآوری و سایر سیستم‌های پشتیبانی، PT. Vale Indonesia Tbk دچار چالش‌های تکنیکی و اقتصادی در عملکرد سیستم برق‌رسانی شده­است....