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 t= 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 t= 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
