مقاله کاربرد برازش منحنی در تلفیق با روش مانده هنجار شده جهت شناسایی و تصحیح داده های نامناسب بار


در حال بارگذاری
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
10 بازدید
۷۹,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله کاربرد برازش منحنی در تلفیق با روش مانده هنجار شده جهت شناسایی و تصحیح داده های نامناسب بار دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله کاربرد برازش منحنی در تلفیق با روش مانده هنجار شده جهت شناسایی و تصحیح داده های نامناسب بار  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله کاربرد برازش منحنی در تلفیق با روش مانده هنجار شده جهت شناسایی و تصحیح داده های نامناسب بار،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن مقاله کاربرد برازش منحنی در تلفیق با روش مانده هنجار شده جهت شناسایی و تصحیح داده های نامناسب بار :

تعداد صفحات:۱۰

چکیده:

برنامه ریزی بهره برداری و سرمایه گذاری، تامین، تولید و توزیع انرژی الکتریکی باید براساس تطبیق عرضه بر تقاضا صورت پذیرد . لذا در برنامه ریزی سیستم قدرت، پیش بینی بار از اهمیت ویژه ای برخوردار است . مهمترین اطلاعات مورد استفاده در پیش بینی بار، مقادیر گذشته بار است . داده های بار به ویژه داده های بار مناطق در شبکه سراسری ایران علاوه بر خطاهای سیستم های
اندازه گیری، دارای خطاهای قرائت و ثبت اطلاعات توسط اپراتورها نیز هستند . همچنین اتفاقات ناخواسته و خروجها یا خاموشی ها در شبکه نیز منحنی بار را غیرعادی می سازند کهبرای کاربرد در پیش شرایط عادی انجام می شود باید تصحیح شوند .
بینی بار که برای بدین ترتیب اهمیت شناسایی و تصحیح داده های نامناسب در مجموعه داده های بار آشکار می شود .در این مقاله الگوریتمی از تلفیق روش مانده هنجار شده با برازش منحنی ارایه می گردد که داده های نامناسب را در مجموعه داده های بار تشخیص داده و تصحیح می نماید . این الگوریتم در واقع مانند یک فیلتر ورودی قبل از شروع پیش بینی بار عمل می کند . نتایج پیش بینی با داده های خام و داده های اصلاح شده با این الگوریتم موید قابلیت آن در بهبود داده های بار مورد استفاده در پیش بینی بار است .

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.