مقدمه: انرژي به عنوان کارمايه فعاليتهاي بشري از اهميت حياتي در زندگي بشر برخوردار است و بر اين اساس کليه کشورهاي جهان در صدد دسترسي به منابع مطمئن و برنامه ريزي شده انرژي هستند. از طرفي با توجه به تجديد ناپذير بودن منابع سوخت هاي فسيلي به ويژه منابع نفت و گاز چندين دهه است که موضوع جايگزين سازي اين نوع انرژيها و صرفه جوئي و مصرف بهينه از انرژي بطور جدي در اقتصاد کشورهاي پيشرفته مورد توجه قرار گرفته و اقدامات بسيار موثري در جهت بهينه سازي مصرف انرژي . و و در نتيجه جلوگيري از اتمام سريع منابع انرژيهاي تجديدناپذير ، به عمل آمده است براي اين منظور در کشورهاي مختلف ، به ويژه کشورهاي صنعتي از دهه 1972 ، ارگانها و موسسات تحقيقاتي مختلفي ، اعم از دولتي و خصوصي، براي انجام تحقيقات در زمينه برنامه ريزي مصرف انرژي و صرفه جوئي و بهينه کردنآن تاسيس شده اند و در واقع انرژي به عنوان يکي از مسائل مهم و استراتژيک در اقتصاد ملل جهان مطرح شده است .
از ميان انواع انرژي در جهان ، انرژي الکتريکي خصوصيات خاصي دارد که از جمله مي توان به موارد زير اشاره کرد .
- اين انرژي به صورت وسيع قابل ذخيره سازي نيست .
- بازده سرمايه گذاري در رابطه با انرژي الکتريکي زمانبر مي باشد ( به خصوص در کشورهاي جهان سوم که عمده تجهيزات مورد نياز را از کشورهاي پيشرفته تهيه مي کنند )
و اگر فرض جايگزيني تدريجي اين انواع انرژي را به جاي انرژيهاي فسيلي به لحاظ خصوصيات مثبت آن به شرايط فوق اضافه کنيم به اين نتيجه خواهيم رسيد که انرژي الکتريکي به عنوان يک انرژي کليدي در سطح جهان به مديريت و برنامه ريزي دقيق در تهيه ، توليد و مصرف خواهد داشت و اگر موارد ذيل را در توليد و مصرف اين نوع انرژي در نظر نگيريم در آينده با مشکلات خسارتهاي جبران ناپذيري روبرو خواهيم شد .
برنامه ريزي جامع و دراز مدت و مديريت مناسب بر توليد و توزيع انرژي الکتريکي
ايجاد فرهنگ عمومي صحيح در بهره برداري منطقي از انرژي الکتريکي
ايجاد استاندارد هاي مصرف
ايجاد ضوابط و مقررات مربوط به رعايت استاندارد هاي مصرف
مديريت علمي بار
از موارد فوق برنامه ريزي دراز مدت و جامع توليد انرژي الکتريکي از اهميت خاصي برخوردار است يک مديريت صحيح انرژي الکتريکي موقعي امکان پذير خواهد بود که مديران ارشد ، يک ديد روشن و مبتني بر تئوريهاي دقيق از روند آتي تقاضاي اين انرژي را داشته باشند. گزارش حاضر در راستاي رسيدن به اهداف الذکر نتايج تحقيقات انجام شده در اين رابطه را به صورت ذيل ارائه مي دهد .
روشهاي پيش بيني بار
1- مقدمه :
يکي از عناصر کليدي در مديريت و تصميم گيري پيش بيني پارامترها و متغيرهاي لازم در يک محدوده سيستمي مي باشد . براي اينکه مسئله پيش بيني را تعريف کنيم بايد از مسئله تصميم شروع کنيم ، فرآيند پيش بيني اطلاعات فرآيند تصميم را مهيا مي سازد . بنابراين طبعيت تصميماتي كه گرفته مي شود بسياري ازويژگيهاي مطلوب سيستم پيش بيني را ديکته خواهد کرد . پيش بيني هر متغيري بايد پاسخگوي سوالات زير باشد :
براي چه امري پيش بيني صورت مي گيرد ؟
شکل پيش بيني چگونه است ؟
دقت مورد نياز چقدر است ؟
در بررسي فرآيند پيش بيني يک متغير ، بايد کليه عواملي که در اين پيش بيني دخيل هستند شناسايي و اطلاعات مورد نياز در رابطه با آنها به دقت جمع آوري و دسته بندي گردند . در مواقعي که انتخاب صحيح متغيرها امکان پذير نيست بايد حالتهاي مختلف تست شده و موردي که بيشترين تاثير را روي فرآيند پيش بيني دارند انتخاب شود .
جنبه مهم ديگر پيش بيني شکل آن است ، معمولا پيش بيني يک متغير داراي دو شکل زير است :
الف) تخميني از کميت مورد انتظار به علاوه تخميني از انحراف معيار خطاي پيش بيني .
ب) پيدا کردن فاصله اطمينان کميت مورد پيش بيني ( فاصله اي که با احتمال معيني شامل مقدار واقعي کميت مورد پيش بيني است .)
2- روشهاي پيش بيني :
روشهاي مختلف که براي پيش بيني کميتهاي مختلف در سيستمهاي متفاوت مورد استفاده قرار مي گيرد بطورکلي به سه دسته تقسيم مي شود :
الف) روشهاي کميب) روشهاي کيفيج) ترکيب روشهاي کمي و کيفي
الف) روشهاي کمي :
در روشهاي کمي عمده هدف پيداکردن يک مدل و مبناي رياضي براي ترسيم رفتار آينده سيستم مي باشد که اين مدل به وسيله روشهاي مختلف رياضي و يا روشهاي شناسايي سيستمتخمين زده مي شود. در اين رابطه دو متد کلي وجود دارد که عبارتند از :
1) مدل سريهاي زماني
2) مدلهاي علت و معلولي
در مدلهاي سري زماني عمده هدف تاکيد روي اين قضيه است که يکسري از پديده ها و متغيرها در سيستمهاي مختلف وجود دارد که با يک روند خاصي رشد مي کنند که اگر ما اين روند را بر مبناي سالهاي قبل پيدا کنيم مي توانيم مدل آينده سيستم را بر حسب روند سالهاي قبل پيش بيني کنيم، و يا به عبارت ديگر يک سري زماني دنباله اي از مشاهدات منظم شده بر حسب زمان از يک متغير هستند که با تجزيه و تحليل آن مي توان مدلي براي تخمين مقادير آينده سيستم بوجود آورد . مدلهاي علت و معلولي بيان کننده يک مدل بين سري زماني متغير مورد پيش بيني و يک سري از سريهاي زماني متغيرهاي متفاوت است که در بوجود آمدن اين سري زماني نقش دارند . و هدف پيداکردن يک مدل رياضي و سيستمي است که بتواند اين رابطه را بطور منطقي برقرار کند .
ب) روشهاي کيفي :
روشهاي پيش بيني کيفي بيشتر براي سيستمهايي بکار مي رود که مدل رياضي ندارند و يا مدل احتمالي آنها پيچيده و کاملا غير خطي است و به آساني نمي توان بوسيله روشهاي کلاسيک رياضي به اين مدل رسيد و در صورت رسيدن به اين مدل رياضي دقت زيادي نخواهد داشت . و يا هزينه بر خواهد بود. در اين روش با استفاده از طرح و نظر افراد متخصص و خيره در سيستم مورد نظر آينده سيستم با توجه به گذشته ، حال و آينده آن ، بوسيله يک سري قوانين پايه 5 توصيف مي شود و بر اساس آن کميت مورد نظر براي آينده پيش بيني مي شود .
که در اين رابطه مدلها و روشهاي مختلف بر پايه سيستمهاي هوشمند 6 در سالهاي اخير ابداع شده و به نحو گسترده از آنها استفاده مي شود
ج)روشهاي كيفي و كمي
اين روش در سالهاي اخير بيشتر مورد توجه قرار گرفته به اين صورت که براي تعيين رفتار يک سيستم از ترکيب مدل رياضي و مدل توصيفي آن استفاده مي شود به اين صورت که در مرحله اول يک مدل رياضي از رفتار سيستم استخراج مي گردد و سپس با توجه به رفتارهاي توصيفي سيستم اين مدل تصحيح مي گردد.
3- پيش بيني بار و اهميت آن :
انرژي الکتريکي در مقياس وسيع قابل ذخيره سازي نبوده و مديريت توليد و توزيع انرژي الکتريکي بايد بر اساس تطبيق عرضه تقاضاي انرژي برق ، اقدام به برنامه ريزي و سرمايه گذاري و بهره برداري بهينه نمايد .
خصوصا که پروسه سرمايه گذاري در صنعت برق يک مرحله زمانبري مي باشد بنابراين در برنامه ريزي سيستم هاي قدرتاولين و مهمترين گام داشتن اطلاعات کافي و کامل از چگونگي رشد مصرف انرژي الکتريکي و پيش بيني روند منطقي آن با توجه به فاکتورهاي مختلف موثر در مصرف انرژي الکتريکي است ، زيرا هر نوع تصميم گيري در اين مورد منوط به داشتن اطلاعات مربوط به ميزان مصرف انرژي در مقاطع مختلف زماني و مکاني در سيستم است و يا به عبارت ديگر آگاهي از نيازهاي آينده صنعت برق مي تواند برنامه ريزان را در تعيين قدرت توليدي ، نوع نيروگاهها ، مشخصات سيستم هاي انتقال و توزيع و پستهايي که بايد ساخته شوند ياري دهد . اين آگاهي بر اساس مطالعات اطلاعات گذشته ، بررسي روند رشد بار و يا فرض قوانين تجربي يا مدل رياضي انجام مي گيرد .
4- دوره هاي مختلف پيش بيني بار :
پيش بيني بار در سيستم هاي قدرت عموما در سه دوره زير انجام مي گيرد .
1-4- پيش بيني کوتاه مدت : پيش بيني کوتاه مدت ، براي زمانهاي کوتاه بوده و بار ساعتي را برآورد مي کند . زمان پيش بيني در اين حالت ممکن است ساعتي ، چند ساعتي ، روزانه ، هفتگي ، ماهانه و يا فصلي باشد . برآورد بار کوتاه مدت در بهره برداري سيستم هاي قدرت نقش اساسي ايفا مي کند ، بطوريکه در برنامه ريزي ورود و خروج واحدها، با ملاحظه محدوديتهاي توليد واحدها و محدوديت هاي شبکه ،پخش بار بهينه، تخصيص ذخيره مطمئن بر شبکه ، تجزيه و تحليل وقوع حوداث احتماليو همچنين مطالعات اتصال کوتاه و پايداري شبکه مورد استفاده قرار مي گيرد .
2-4- پيش بيني ميان مدت : پيش بيني ميان مدت براي زمانهاي طولاني تر حدود يک الي سه سال است . اهميت اين پيش بيني براي برنامه ريزيهاي ميان مدت شبکه مي باشد .
3-4- پيش بيني بلند مدت : پيش بيني بلند مدت زمان ده سال يا بيشتر است و گاهي ممکن است به چند دهه هم برسد. با توجه به اينکه با گذشت چند دهه دوره اقتصادي ممکن است تغيير کند و در هر دوره تحول عظيمي رخ دهد و در نتيجه نتايج پيش بيني در اين حالت ممکن است قابل اطمينان نباشد .
برآورد بار بلند مدت از لحاظ توسعه شبکه از اهميت خاصي برخوردار است . افزايش تعداد نيروگاهها ، خطوط انتقال و تجهيزات توزيع در يک شبکه موجود ، بايد حداقل ده سال زودتر انجام گيرد تا همگام با رشد نوعبار بتواند پاسخگوي نياز باشد . جهت پيش بيني بار شبکه روش هاي مختلفي وجود دارد که اين روشها ، در ظاهر متفاوت ولي در اساس عملکرد يکساني دارند. و از يک قانون کلي پيروي مي کنند و آن پيش بيني روند آينده بار بر اساس روند پارامترها ي متاثردر آن در گذشته مي باشد . قانوني که بتواند رابطه بين دو روند را مشخص کند مدل بار ناميده مي شود. عمده روشهاي پيش بيني بار بصورت بلند مدت عبارتند از :
الف) روش مصرف نهاييب) سريهاي زمانيج) سيستمهاي هوشمندد) اقتصاد سنجي
5- پارامترها ي موثر در انتخاب روشهاي پيش بيني بار
در انتخاب يکي از روشهاي فوق الذكر پيش بيني بار بلند مدت عوامل و پارامترهاي زير دخالت دارند .
– شکل پيش بيني مورد نياز
– افق دوره پيش بيني
– در دسترس بودن داده هاي مورد نياز
– دقت مورد نياز
– رفتار فرآيند پيش بيني ( الگوي تقاضا )
– هزينه پيش بيني
-سهولت و سادگي عمليات
1-5- روش مصرف نهايي:
در اين روش ابتدا بايد تعداد و انواع مختلف لوازم و تجهيزات الکتريکي و مقدار مصرف ساليانه هر کدام پيش بيني گردد و سپس انرژي کل مورد نياز که برابر حاصل جمع انرژي کل مصرفي توسط وسايل مختلف است محاسبه گردد. با استفاده از اين روش مي توان مقدار و محل بار را تعيين کرد . اين روش نيز نياز به اطلاعات زيادي از برنامه هاي شهر سازي ، روند مصرف الکتريکي در محدوده هاي کوچک و توسعه صنعتي و کشاورزي و اجتماعي مناطق مختلف دارد . اين روش بيشتر براي تخمين بارهاي خانگي و تجاري مورد استفاده قرارمي گيرد و گاها مي توان براي پيش بيني بارهاي صنعتي و کشاورزي نيز ازآن استفاده کرد .
مراحل انجام اين روش به قرار زير است :
1) ابتدا بايستي در منطقه اي که پيش بيني بار يا انرژي براي آن صورت ميگيرد با توجه به برنامه هاي توسعه شهري ، تصويري از چگونگي توسعه فيزيکي ، صنعتي و اقتصادي شهر يا منطقه مورد مطالعه را بدست آورد . تحقق اين امر با توجه به طرحهاي جامع شهر که توسط مراکز ذيربط در نقاط مختلف دنيا تهيه ميشود . ممکن به نظر ميرسد.
2 ) دسته بندي بارها :
در اين مرحله مشرکين با توجه به الگوي مصرف بار تقسيم بندي ميشوند . اين تقسيم بنديها عموما شامل موارد زير است.
پرمصرف
1كم مصرف
سنگين
سبك
بزرگ
3-2- اماکن تجاريمتوسط
4-2- روشنايي عموميخيابانهاي اصلي
خيابانهاي معمولي
خيابانهاي فرعي
پارکها
بيمارستانها
5-2- اماکن خاصمدارس و دانشگاهها
مساجد
متفرقه
3 ) تقسيم بندي منطقه به ناحيه هاي کوچکتر و پيدا کردن بار کل :
بعد از تقسيم بندي مشترکين به گروههاي ذکر شده ، نواحي متفاوت در سطح شهر را که ترکيبي از گروههاي فوق را مشخصا در خود جاي داده اند ، پيدا ميکنيم . اين تقسيم بنديها بر اساس وضعيت و بافت شهر انجام ميشود و وضعيت کنوني شهر يا منطقه مورد بررسي با آمارگيريهاي مستقيم بدست مي آيد . بدين ترتيب ناحيه بندي شهر بطور نمونه مي تواند بصورت زير باشد :
مناطق مسکوني خانواده هاي پر در آمد
مناطق مسکوني خانواده هاي متوسط کم درآمد و متوسط بالا .
مناطق خانواده هاي کم در آمد .
مناطق تجاري سنگين آپارتمانهاي مرتفع و مناطق با ساکنين مرفه .
مناطق تجاري متوسط ، آپارتمانهاي متوسط از نظر ارتفاع و مناطقي که در آن افراد با در آمد متوسط سکونت دارند .
مناطق صنعتي بدون واحد مسکوني .
مناطق صنعتي – خدماتي که معمولا در حاشيه جاده ها و راههاي ارتباطي قرار دارند .
مناطق تفريحي و فضاي سبز.
مناطق نظامي .
در مراکز ذيربط مي بايست مجموعه اي کامل از قوانين شهر سازي وجود داشته باشد که کاربرد اراضي هر يک از گروههاي مشترکين را مشخص سازد . اين قوانين شامل در صد تراکم ، سطح زير بنا ، فضاي سبز و …. مي باشد . از اين قوانين در پيدا کردن چگونگي کاربري ارضي مشترکين در هر نواحي فوق استفاده مي شود از آنجائيکه تقسيم بندي فوق بر اساس وضعيت آينده شهر حائز اهميت مي باشد . پس ضروري است مسير رسيدن از وضعيت موجود به وضعيت تخمين زده شده آتي ، مشخص شود اين کار با اعمال ضرايب رشد بر وضعيت کنوني بدست مي آيد ( رگرسيون خطي ) اين ضرايب عموما شامل ضريب تراکم و ضريب اشباع هستند که بايد براي هر ناحيه و در هر سال مشخص شوند .
اشباع
( مساحت زمين ) / ( مساحت طبقات ) = ضريب تراکم
براي محاسبه هر کدام از ضرايب فوق عموما تکيه بر برنامه ريزيهاي شهري و اطلاعات گذشته و رگرسيون دقيق روي اطلاعات گذشته مي باشد .
به اين ترتيب با محاسبه ضرايب رشد ، رشد مصرف کنندگان در نواحي مختلف و تعداد آنها مشخص شده و مي توان چگالي بار مصرفي ( يا مصرف ساليانه ) هر يک را پيدا کرده و با ضرب آن در تعداد مشترکين مصرف انرژي الکتريکي يک گروه خاص از مشترکين را پيدا کرد با تکرار اين عمل براي مناطق مختلف مصرف انرژي کل مشترکين در هر سال آينده از زمان مورد بررسي ، مشخص مي شود .
2-5- روش اقتصاد سنجي :
بطور کلي اقتصاد سنجي همان روشي است که محيط مصرف با يک منطقه را بعنوان سيستم در نظر گرفته و اقدام به شناسايي آن سيستم مي نمايد و يا به عبارتي در اين روش تاکيد بر پيدا نمودن ارتباط بين مصرف انرژي الکتريکي و متغيرهاي اقتصادي دارد . در اين روش پارامترهاي اقتصادي که روي مقدار تقاضاي بار الکتريکي در يک سيستم قدرت تاثير مي گذارند بصورت غير خطي يا خطي با ضرايب ثابت به ميزان تقاضاي ساليانه بار مرتبط مي شوند با استفاده از سوابق با ر و ارتباط پارامترهاي مختلف در بار مي توان ضرايب مفروض را تعيين کرد و اگر از لحاظ رياضي و سيستمي کمي دقيقتر به مسئله توجه کنيم در اين روش سيستم مصرف انرژي الکتريکي مثل يک بلوک و سيستم منفرد در نظر گرفته مي شود که داراي يک سري پارامترهاي ورودي و يک پارامتر خروجي است .
پارامترهاي ورودي همان کميتهاي تاثيرگذاردر مصرف بار و پارامتر خروجي خود بار مي باشد . حال با توجه پارامترهاي ورودي سالهاي سيستم مي تواند سيستم را شناسايي کرد و مدل رياضي خاص آن را در آورد. مي دانيم که مدل سيستم مصرف بار يک منطقه يک مدل پيچيده و کاملا غيرخطي است خصوصا هر چقدر ورودي سيستم فوق بيشتر باشد سيستم غير خطي تر و شناسايي آن از روشهاي رياضي کلاسيک مشکل تر خواهد شد البته در دهه اخير تکنيکهاي مدرني مثل شبکه هاي عصبي براي اين منظور به کار برده مي شود که هر چقدر سيستم غير خطي تر باشد اين تکنيک کار آمدتر است در غير اين صورت ، نتايج زياد با روشهاي رياضي فرقي نخواهد کرد .
انتخاب پارامترهاي موثر در سيستم مصرف انرژي الکتريکي :
همانطوريکه عنوان کرديم روش اقتصاد سنجي سعي دارد مصرف انرژي الکتريکي را به مجموعه اي از ساير متغيرها که واقعا در ميزان تقاضا موثر هستند ربط دهند. رگرسيون خطي يک متغيره و چند متغيره نمونه هاي از اين مدل هستند . از آنجائيکه رابط بين پارامترهاي در نظر گرفته شده و متغيره هاي وابسته بايد علي باشد بدين معني که چگونگي تاثير آن روي ميزان تقاضا معقول و منطقي باشد لذا يک بخشمهم اين روشانتخاب صحيح پارامترهاي موثر است . در ابتدا يک ليست کامل از حالتها و متغيرهاي ممکن تهيه مي شود از اين مجموعه نيز متغيرهاي متاثرتر و مناسبتر دوباره انتخاب مي شود به طوريکه شکل نهايي مدل شامل تمام متغيرهاي موثر و ممکن باشد .
پارامترهاي اقتصادي متاثر در مصرف بار بسته به فرهنگ ، موقعيت جغرافيايي ، وضعيت اقتصادي و ساير عوامل دخيل منطقه مورد پيش بيني متفاوت خواهد بود و ضرايب تاثير آنها نيز در مناطق مختلف يکسان نخواهد بود .
ولي پارامترهاي اقتصادي مهم و مشهور که در تمام دنيا از آنها به عنوان پارامترهاي متاثر دربار استفاده مي شودعبارتند از :
توليد ناخالص داخلي يا GDP: عبارتست از ارزش ريالي تمام کالاها و خدمات نهايي که طي يکسال در محدوده جغرافيايي يک کشور معين توليد مي شود.
رشد جمعيت
تعداد مشترکين
در آمد سالانه
قيمت متوسط انرژي
قيمت ساير سوختها
نوع مشرکين
سرمايه گذاري
در آمد حاصل از صادرات
ارزش افزوده
از ميان تمام عوامل فوق GDP اثر محسوس تر دارد. از لحاظ منطقي نيز اين مسئله درست به نظر مي رسد که انرژي کل مورد استفاده يک کشور با توليد کشور رابطه مستقيم دارد. نسبت انرژي به توليد ناخالص داخلي براي کشورهاي مختلف بسته به سطح توسعه آن کشور متفاوت است به عنوان مثال به ازاي هر دلار در GDP در ژاپن 12 مگا ژول و در کانادا 32 مگا ژول انرژي مصرف مي شود .
جمعيت ، تعداد مشترکين و در آمد سالانه رابطه مستقيم با مصرف انرژي الکتريکي دارند و اين پارامترها بيشتر در مصرف خانگي و تجاري موثرند . قيمت متوسط انرژي الکتريکي يا بار مصرفي بخش خانگي و تجاري نسبت معکوس دارد. و در صورتيکه قيمت انرژي الکتريکي نسبت به ديگر هزينه هاي خانواده خيلي کم باشد اين پارامترها بي تاثير و يا کم تاثير خواهند بود اما اگر قيمت انرژي الکتريکي در مقايسه با ديگر سوختها و ديگر هزينه هاي خانواده قابل مقايسه باشد افزايش قيمت مي تواند مصرف انرژي الکتريکي را کاهش دهد . پيش از آنکه پارامترهاي موثر بر بار شبکه تعيين شوند لازم است که مقدار آنها تا انتهاي پريود پيش بيني تعيين گردد. تا در مرحله بعد بتوان از آنها براي پيش بيني بار استفاده کرد به روشهاي مختلف مي توان اين پارامترها را تعيين کرد.
پيش بيني بعضي از اين پارامترها ممکن است در اطلاعات مربوط به برنامه هاي آتي هر مملکت موجود باشد که از آنها مي توان استفاده کرد. به عنوان مثال قيمت انرژي الکتريکي مطابق برنامه اي که براي آن زمينه تجربه دارند به کمک روند آنها در سالهاي گذشته تعيين و پيش بيني کرد. در اين حالت مي توان يک سري زماني به روند پارامترهاي مورد نظر نسبت داد و به طريقي که بعدا در اين باره بحث خواهيم کرد پارامتر مورد نظر را براي سالهاي آتي پيش بيني کرد .
3-5- روش سريهاي زماني:
همانطوريکه در مقدمه نيز عنوان شد اساس محاسبه پيش بيني به روش سريهاي زماني بر رشد يک سري از متغيرها بر حسب زمان طبق يک مدل خاص استوار است . که ثابت شده رشد بار هر منطقه يا کشور نيز مي تواند اين خصوصيت را داشته باشد. پس سري زماني دنباله اي از مشاهدات بر روي يک متغير مورد توجه است . متغيرها در نقاط گسسته اي از زمان که معمولا فاصله مساوي دارند مشاهده مي شود و سريهاي زماني متضمن توصيف فرآيند يا پديده اي است که توليد دنباله مي کند . جهت پيش بيني به روش سريهاي زماني لازم است که رفتار فرآيند را با مدل رياضي خاص خود که قابل گسترش براي آينده باشد توصيف کرد. لذا مدل بايد نماينده خوب و نسبتا دقيقي از مشاهدات در هر بخش از زمان باشد . البته بايد مدل طوري باشد که مشاهدات خيلي قديمي روي آن تاثير زيادي نداشته باشد و مشاهدات حال و نزديک به حال به آن تاثير زيادي داشته باشد . و همچنين لازم نيست مدل نماينده خيلي خوبي از مشاهدات خيلي دور باشد مدل هايي که براي سريهاي زماني پيش بيني بار يک منطقه يا شهر در نظر گرفته مي گيرند توابع خطي يا غير خطي از زمان ، يا نوعي مدل ترکيبي هستند که مولفه هاي خطي و يا غير خطي دارند عبارات زير مشهورترين مدلها براي پيش بيني بار به روش سريهاي زماني هستند
الف) مدل خطي :et Xt=a0+a1t +
ب) مدل مرتبه دوم :Xt= a0+a1t +a2t2+et
ج) مدل لگاريتمي :et Xt =Ln -1 (a+c.edt) +
د) مدل اشباع شونده :+a3t+a4t2 +a5t3 1/2 Xt=a0+a1t-1+a2t
ه) مدل پريوديک :Xt= a0+a1sinwt+a2cosw+et
فرم کلي تمام مدلهاي فوق را مي توان بصورت نوشت :
Xt=a0+a1z1(t) +a2z2 (t) +…+akzk (t) +et
در رابطه فوق نمادها مفاهيم زير را دارند .
xtمتغيير تقاضا در پريود t
ai : ضرايب ثابت مدل هستند که به کمک تکنيکهاي مختلفي محاسبه مي شوند .
et: خطاي مدل
zi(t) : تابع کلي از زمان
در اين روش ابتدا بايد داده هاي آماري رشد بار و ساير پارامترهاي تاثير گذار در روند مصرف انرژي الکتريکي را به روشهاي مختلف جمع آوري کرد. چون اين داده ها در معرض خطاهاي ثبت و انتقال هستند با تکنيکهاي مختلف داده هاي غلط را از ليست داده ها خارج کرده و سپس روي اينداده ها بهترين مدل را پردازش نمود. روشهاي متفاوتي براي پردازش بهترين مدل روي داده هاي زماني وجود دارد که بهينه ترين آنها روش کمترين مربعات خطا مي باشد که در آن تخمين ضرايب a0 و a1 و …و an براي حداقل کردن مجموع مربعات خطا يا مانده ها انتخاب مي شود [6].
تحليل رگراسيون :
گرايش
رگراسيون يا آناليز گرايش عبارتست از مطالعه رفتار يک سري زماني يا يک فرايند در گذشته و مطالعه مدل سازي رياضي آن بطوري که رفتار آينده را بتوان از آن برون يابي کرد .
دو روش کلي در مورد آناليز گرايش مورد استفاده قرار مي گيرد که عبارتند از :
الف ) تطبيق توابع پيوسته رياضي از طريق اطلاعات واقعي به منظور بدست آوردن کمترين خطاي کلي که به عنوان آناليزرگراسيون شناخته مي شود .
ب) تطبيق يک دنباله بر خطوط يا منحني هاي گسسته با اطلاعات
در روش (ب) پيش بيني کوتاه مدت معمول تر است . يک رويداد متغير با زمان همچون بار سيستم قدرت رامي توان به چهار جزء اصلي ذيل تقسيم نمود .
گرايش اصلي
تغييرات فصلي ( تغييرات ماهانه يا سالانه بار )
تغييرات دوره اي که شامل تاثيرات فواصل زماني طولاني تر از بند (2) بوده و باعث مي گردد که الگوي بار به مدت 2 يا 3 سال تکرار گردد ( يا حتي دوره هاي طولاني تر )
نوسانات تصادفي که بدليل تغييرات روزهاي مختلف اتفاق مي افتد و در مورد سيستم هاي قدرت معمولا بستگي به زمان هاي مختلف در طول هفته دارد .
به عنوان مثال آخر هفته ، روز مشخصي از هفته ، آب و هوا و غيره .
سه نوع تغيير اخير در دراز مدت داراي ميانگين صفر مي باشد ، همانطوري که در شکل 3-1 نشان داده شده است
توابع رگراسيون
اساس تئوري رگراسيون اين است که هر تابع به صورت Y=f(x) را مي توان به مجموعه اي از نقاط مانند (x2, y2) و (x1, y1) تطبيق داد . بطوري که مجموع مربع خطاها در هر نقطه مينيمم گردد .
مينيمم
مجموع مربع خطاها به اين علت بکار مي رود که نشانگر علامت مهم خوبي براي تطبيق مي باشد . منحني هاي تيپ رگراسيون که در پيش بيني سيستم مدت بکار مي روند عبارتند از :
a) خطيy=A+Bx
b) نماييy= A(1+B) x
c) توانيy= AxB
d) چند جمله ايy= A+B x+ cx2
e) اشباع شوندهy=Ae Be cx
ضرايب بکار رفته در اين معادلات ضرايب رگراسيون ناميده مي شود .
مثال ها
(1) خطي کمترين مربعات
خط y=a0+axبه مجموعه اي از نقاط (xn ,yn) ….و (x2, y2), (x1, y1) تطبيق داده مي شود ، به اين ترتيب :
تفاصل جزئي با توجه به ضرايب رگراسيون ( a1, a0)را بدست آورده و معادلات را مساوي صفر قرار داده تا معيار کمترين خطا را بدست آوريم . به اين ترتيب مجموعه اي از دستگاه معادلات در a0 , a1 بدست مي آيد .
براي a0 داريم :1
براي a1 داريم :
(2) سهمي کمترين مربعات
منحنيy= a0+a1x+ a2 x2به منظور مينيمم کردن تطبيقداده مي شود .
تفاضل جزئي با توجه به 3 تا ضريب رگراسيون بدست آورده و سپس معادله را مساوي صفر قرار دهيم . در نتيجه دستگاه سه معادله فوق بدست مي آيد که آن را بريا a0و a1و a2 حل نمود .
a1N +a1
a0
(3) منحني نمائي با کمترين مربعات
اين کار از طريق انجام تبديل متغيرها به منظور بدست آوردن يک معادله خطي قابل حصول است به عنوان مثال اگر معادله رگراسيون بصورتy=eBx باشد آن را مي توان به صورت A΄+B΄u =Vتبديل نمود که در آنV=Lny و u=xو B=B΄ و A΄=LnAدر نتيجه در حل معادلات بجاي åy مي توانåLnyقرار داده و ضرايب رگراسيون را پيدا مي کنيم . و سپس ضرايب با استفاده از A=eA΄ به حالت قبل قابل تبديل هستند[16] .
استفاده از سيستم هاي هوشمند
همانطور كه مي دانيم استفاده از سيستم هاي هوشمند روش بسيار جالب و كار آمدي براي مدل كردن سيستم هايي هست كه مدل خاص رياضي ندارند و يا مدل رياضي آنها پيچيده و كاملا غير خطي است به طوري كه بدست آوردن آن مدل از روش هاي كلاسيك رياضي بسيار سخت و همراه با خطاي زيادي مي باشد ( البته خطا ي ناشي از گرفتن فرضيات خاص براي ساده شدن سيستم مي باشد ) . از طرف ديگر ما هر مدل رياضي كه براي بررسي بار يك منطقه يا يك كشور در نظر بگيريم نمي تواند يك مدل كاملا دقيق باشد كه بتواند تمام پارامترهاي موثر در بار آن منطقه را در خود نشان دهد . در ضمن اگر براي دقت بيشتر پارامترهاي موثر در بار را زيادتر كنيم سيستم غير خطي تر شده و بدست آوردن مدل رياضي آن مشكل تر و هزينه بر مي شود . لذا در دهه اخير ايده بكاربردن سيستم هوشمند براي مدل كردن بار يك ناحيه مورد توجه قرار گرفته است . در سيستمهاي هوشمند اساس مسئله بر روي تعريف يك سري قوانين پايه استوار است كه توسط افراد خبره و با تجربه در آن مسئله تعريف مي شود . قوانين پايه در پيش بيني بار مي تواند با توجه به مسئله زير مطرح شود :
بررسي سابقه رشد بار ناحيه .
پيش بيني وضعيت اقتصادي و اجتماعي و سياسي و جغرافياي منطقه .
ساير مسائل خاص در اين رابطه
پس در اين روش با مراجعه به افراد با تجربه در مسايل اقتصادي و انرژي منطقه قوانين پايه لازم كه بصورت if…then تعريف مي شود استخراج شده و از روي آن اقدام به پيش بيني بار آن ناحيه مي كنيم و هر چقدر تعداد اين قوانين پايه زيادتر و دقيقتر باشد پيش بيني نيز دقيق تر مي شود .
در سالهاي اخير شاهد حركتي گسترده از تحقيقات صرفا تئوري به تحقيقات كاربردي براي حل مسائلي بوده ايم كه براي آنها راه حل موجود نيست و يا براحتي قابل حل نيستند . با عنايت به اين امر علاقه فزاينده اي در توسعه تئوريك سيستم هاي ديناميكي هوشمند مدل – آزادكه مبتني بر داده هاي تجربي هستند ايجاد شده است شبكه هاي عصبي مصنوعي يا ANN جزءاين دسته از سيستم هاي ديناميكي قرار دارند كه با پردازش هاي لازم روي داده هاي تجربي قانون نهفته در بين داده ها را پيدا مي نمايند .
2- كاربرد هوش مصنوعي در سيستم هاي قدرت :
عموما در مسائل علمي رشته هاي فني و مهندسي با دو مقوله اساسي سروكار داريم كه عبارتند از :
الف) تعيين رفتار سيستم هاي مختلف در مقابل تحريك هاي اعمالي
ب) پيدا نمودن نقاط بهينه كاركرد سيستم
تا دهه اخير عموما سعي بر اين بود كه براي رسيدن به اهداف تعريف شده فوق يك مدل و تابع رياضي از رفتار سيستم استنتاج و بر اساس يك سري معادلات و محدوديت ها نقاط بهينه رفتار سيستم پيدا شود .
اين روشها گر چه در نظر اول چون بحث رياضيات در ميان است دقيق به نظر مي رسند ولي در عمل بنا به دلايل ذيل بطور كامل و دقيق پاسخگوي مسايل نيستند .
سيستم هاي عملي خيلي پيچيده و اغلب كاملا غير خطي و متاثر از پارامترها و وروديهاي خيلي زيادي هستند و استخراج مدل دقيق رياضي آنها يا امكان ندارد و يا مستلزم صرف هزينه زياد مي باشد .
در شناسايي بهينه سازي سيستم هاي پيچيده غير خطي اغلب مجبور به خطي سازي هستيم كه اين امر باعث مي شود جوابهاي بدست آمده با جوابهاي واقعي خيلي فاصله داشته باشد ، بطوريكه اغلب يك نتيجه گيري عملي را غير ممكن مي سازد .
در دهه اخير در عرصه علوم فني و مهندسي روشها و تكنيكهايي مطرح شده است كه به گونه اي متفاوت با روشهاي تحليلي و يا عددي به حل مسايل فوق مي پردازند به اين صورت كه اين روشها سعي مي كنند به جاي ارايه يك مدل رياضي ، از يك مدل آزاد 4كه از دل يك سري داده هاي تجربي و عملي بدست آمده است استفاده نمايند . اين تكنيكها چون اغلب ( به نوعي ) رفتارهاي انساني خصوصا رفتار مغز انسان را الگو قرار مي دهند به اين خاطر به روشهاي هوش مصنوعي مشهور هستند . از مشخصات و برتريهاي عمده اين روشها مي توان به دقت، مقاومت بودن ، قابليت انعطاف و سهولت پيدا سازي آنها اشاره كرد .
از مولفه هاي هوش مصنوعي مي توان به شبكه هاي عصبي ، سيستمهاي خبره ، الگوريتم ژنتيكيو منطق فازي اشاره كرد [6]