استفاده از ابزار کلاسترینگ در شبکه های عصبی جهت برآورد بار الکتریکی

جمعیت جهان در حال رشد بوده و کشور ها بدون وقفه در حال توسعه هستند.. لذا تقاضای مصرف انرژی روزانه نیز رو به افزایش است. علاوه بر این، گسترش سریع مناطق مسکونی و تجاری نیز در مصرف انرژی موثر بوده اند.[ 1] پیش بینی مصرف انرژی الکتریکی در برنامه ریزی های سیستم های قدرت اهمیتی ویژه دارد. شرکت های تولید ، انتقال و توزیع انرژی الکتریکی نیاز به پیش بینی دقیق بار الکتریکی مصرفی دارند. شرکت های برق منطقه ای ، نیروگاه ها و شرکت های توزیع نیروی الکتریکی نیاز به تقریب بار مصرفی مشتریان به ویژه در فصل تابستان دارند. همچنین پیش بینی بار پیک روزانه در برنامه ریزی تعمیرات و مانور شبکه اهمیت حیاتی دارد. با توجه به اینکه هر کدام از تجهیزات شبکه برق شامل ترانسفور ماتورها و خطوط دارای ظرفیت معلوم تحمل جریان می باشند پیش بینی بار این تجهیزات جهت پیش گیری از عبور جریان بیش از ظرفیت مجاز و وقوع حوادث و اعمال خاموشی به مشترکین مفید می باشد. مهم ترین کاربرد پیش بینی بار الکتریکی ایجاد هماهنگی بین توانایی تولید نیروگاه ها و تقاضای مصرف می باشد. اگر میزان تولید نیروگاه ها کمتر از بار مصرفی مشترکین باشد باعث کاهش سطح ولتاژ و اعمال خاموشی به مشترکین و کاهش رضایت عمومی می گردد. همچنین نیرو گاه ها براساس پیش بینی مصرف، نسبت به ذخیره سازی سوخت مورد نیاز اقدام می نمایند. مراکز کنترل دیسپاچینگ که وظیفه کنترل شبکه را برعهده دارند نیز بر اساس پیش بینی بار شبکه نسبت بهتوزیع بهینه بار و انجام مانور های مختلف جهت افزایش ضریب اطمینان شبکه اقدام می نمایند.