سامانه همایش های دانشگاه آزاد اسلامی واحد نجف آباد

صفحه اصلی / سومین کنفرانس بین المللی مهندسی و علوم کامپیوتر و اولین کنفرانس ملی سامانه های هوشمند، کلان داده و رایانش پیشرفته

پیش‌بینی کوتاه‌مدت بار مصرف برق با استفاده از معماری ترنسفورمر بهبودیافته مبتنی بر توجه چندسر و فیوژن زمانی

نویسندگان :

سید حسین علوی¹ علی عمرانی² هما موحدنژاد³ مهدی شریفی⁴

1- دانشگاه آزاد اسلامی واحد نجف آباد 2- دانشگاه آزاد اسلامی واحد نجف آباد 3- دانشگاه آزاد اسلامی واحد نجف آباد 4- دانشگاه آزاد اسلامی واحد نجف آباد

کلمات کلیدی :

پیش‌بینی بار الکتریکی،پیش‌بینی کوتاه‌مدت،ترنسفورمر،توجه چندسر،فیوژن زمانی،یادگیری عمیق،شبکه هوشمند

چکیده :

پیش‌بینی کوتاه‌مدت بار مصرف برق یکی از مسائل کلیدی در بهره‌برداری ایمن، اقتصادی و پایدار سیستم‌های قدرت به شمار می‌رود و نقش تعیین‌کننده‌ای در برنامه‌ریزی تولید، مدیریت ذخایر انرژی، بازار برق و حفظ پایداری شبکه دارد. رفتار بار الکتریکی ذاتاً غیرایستا، غیرخطی و متأثر از عوامل متعددی نظیر شرایط آب‌وهوایی، الگوهای زمانی، مناسبت‌ها و رفتار مصرف‌کنندگان است؛ ازاین‌رو توسعه مدل‌هایی با توانایی استخراج وابستگی‌های پیچیده زمانی و ادغام مؤثر اطلاعات چندمنبعی، همواره مورد توجه پژوهشگران بوده است. در این مقاله یک معماری بهبودیافته مبتنی بر ترنسفورمر با عنوان ترنسفورمر فیوژن-توجه (TFA-Transformer) برای پیش‌بینی کوتاه‌مدت بار الکتریکی پیشنهاد می‌شود. ایده اصلی مدل پیشنهادی بر ترکیب سه مؤلفه مکمل استوار است. در گام نخست، از یک راهبرد استخراج ویژگی دو مرحله‌ای شامل Prophet و IVYVMD به منظور جداسازی روند، فصلی‌بودن‌های چندگانه و مؤلفه‌های فرکانسی پنهان سری بار استفاده می‌شود. در گام دوم، مکانیزم توجه چندسر NeuralSparse به‌منظور کاهش پیچیدگی محاسباتی ترنسفورمر و افزایش کارایی آن در پردازش دنباله‌های زمانی نسبتاً طولانی به کار گرفته می‌شود. در نهایت، یک ماژول فیوژن زمانی برای ادغام تطبیقی اطلاعات بار تاریخی با متغیرهای خارجی نظیر داده‌های هواشناسی و تقویمی طراحی شده است. ارزیابی تجربی مدل پیشنهادی با استفاده از داده‌های واقعی مصرف برق و مقایسه آن با روش‌های کلاسیک، مدل‌های یادگیری ماشین و نسخه‌های پیشرفته ترنسفورمر نشان می‌دهد که TFA-Transformer از نظر معیارهای مختلف خطا بهبود معنی‌داری نسبت به مدل‌های مرجع دارد. نتایج آماری نیز برتری مدل پیشنهادی را تأیید کرده و قابلیت آن را برای کاربردهای عملی در سیستم‌های قدرت مدرن نشان می‌دهد.