| تعداد نشریات | 44 |
| تعداد شمارهها | 1,901 |
| تعداد مقالات | 15,428 |
| تعداد مشاهده مقاله | 45,320,970 |
| تعداد دریافت فایل اصل مقاله | 18,279,552 |
مدل دادهمحور پیشبینی و زمانبندی خاموشیهای برق بخش صنعت در افق کوتاهمدت | ||
| پژوهش در مدیریت تولید و عملیات | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 05 مهر 1405 | ||
| نوع مقاله: مقاله پژوهشی- فارسی | ||
| شناسه دیجیتال (DOI): 10.22108/pom.2026.148566.1658 | ||
| نویسندگان | ||
| فاطمه شاهمرادی1؛ مجید شخصی نیائی* 1؛ محمدمهدی لطفی1؛ داود ابوترابی زارچی2 | ||
| 1گروه مهندسی صنایع، دانشگاه یزد، یزد، ایران | ||
| 2گروه قدرت، دانشکده مهندسی برق، دانشگاه یزد، یزد، ایران | ||
| چکیده | ||
| چکیده: صنعت برق بهعنوان یکی از زیربناهای حیاتی توسعه صنعتی و اقتصادی کشور، همواره با چالش ناترازی میان عرضهوتقاضا روبهرو بوده است. در سالهای اخیر، این ناترازی بهویژه در فصول گرم و سرد، منجربهاعمال خاموشیهای برنامهریزیشده در بخش صنعتشدهاست و خسارتهای اقتصادی قابلتوجهی برجایگذاشتهاست. باتوجه بهاهمیت مدیریت انرژی و کاهش اثرات خاموشی بر صنایع، پیشبینی کوتاهمدت خاموشیها میتواند ابزاری کلیدی برای بهبود برنامهریزی و افزایش تابآوری شبکه بهشمار رود. در پژوهش حاضر، با تمرکز بر دادههای فیدرهای برق صنعتی یکی از شهرهای صنعتی ایران در سال۱۴۰۳، مدلسازی مبتنیبر یادگیریماشین توسعه دادهشدهاست که هدف آن پیشبینی وقوع خاموشیها در افق کوتاهمدت است. دادههای مورد استفاده شامل بار مصرفی، اطلاعات آبوهوایی (دما و سرعت باد)، ویژگیهای زمانی و تقویمی و متغیرهای مشتقشده از نوع وقفه بودند. نتایج این پژوهش نشان میدهد که بهکارگیری روشهای یادگیری ماشین میتواند رویکردی مؤثر برای پیشبینی خاموشیها در شبکههای صنعتی باشد. مدل طراحیشده، بهویژه الگوریتم LightGBM، با دستیابی بهدقت کلی حدود 99/9 درصد و مقدارF1-Score برابر با 0/989، توانسته است الگوهای وقوع خاموشی را بهخوبی بازتولید کند. پیشبینی خاموشیها میتواند بهعنوان مشخصهای هشداردهنده و پشتیبان تصمیم برای شرکتهای توزیع برق و مدیران صنایع مورد استفاده قرار گیرد. | ||
| کلیدواژهها | ||
| پیشبینی خاموشیها در افقکوتاهمدت؛ یادگیری ماشین؛ خاموشیهای برنامهریزیشده؛ مدیریت خاموشی؛ تصمیمگیری مبتنی بر داده | ||
|
آمار تعداد مشاهده مقاله: 1 |
||