دانلود ترجمه مقاله طبقه بندی قیمت آینده بازار برق
ترجمه در قالب فایل Word و قابل ویرایش میباشد
سال انتشار:2011
تعداد صفحه ترجمه:24
تعداد صفحه فایل انگلیسی:9
موضوع انگلیسی :Classification of Future Electricity Market Prices
موضوع فارسی:دانلود ترجمه مقاله طبقه بندی قیمت آینده بازار برق
چکیده انگلیسی:Abstract—Forecasting short-term electricity market prices has
been the focus of several studies in recent years. Although various
approaches have been examined, achieving sufficiently low forecasting
errors has not been always possible. However, certain applications,
such as demand-side management, do not require exact
values for future prices but utilize specific price thresholds as the
basis for making short-term scheduling decisions. In this paper,
classification of future electricity market prices with respect to prespecified
price thresholds is introduced. Two alternative models
based on support vector machines are proposed in a multi-class,
multi-step-ahead price classification context. Numerical results are
provided for classifying prices in Ontario’s and Alberta’s markets.
Index Terms—Classification, demand-side management, forecasting,
scheduling, smart grid, support vector machines
چکیده فارسی: قیمت برق یک عامل کلیدی در تعیین برنامه عملیاتی کوتاه مدت و استراتژیهای مناقصه در بازار رقابتی برق [1] می باشد. Consequently, numerous data-driven approaches have been proposed for modeling and forecasting short-term electricity market prices [2]–[16]. در نتیجه، روش های متعدد داده ی رانده شده، برای مدل سازی و پیش بینی کوتاه مدت قیمت ها در بازار برق ارائه شده است. [16] -[2] The reported price forecasting errors generally range from approximately 5% to 36% and vary based on the technique used and the market analyzed. خطاهای پیش بینی قیمت گزارش شده به طور کلی از حدود 5٪ تا 36٪ متغیر و متفاوت است که بر اساس روش مورد استفاده و تجزیه و تحلیل بازار می باشد. This range of error, however, is relatively high when compared to that of short-term electric load forecasting where errors usually range from 1% to 3% [17]. این طیف وسیعی از خطا، با این حال، در مقایسه با پیش بینی کوتاه مدت بار الکتریکی که در آن اشتباهات معمولا از 1٪ تا 3٪ متغیر می باشند، نسبتا بالا خواهد بود [17]. Various factors contribute to reduced accuracy of electricity price forecasting models; unpredictable forced outages [16], complex and changing price regimes [18], integration of intermittent energy sources [19], and implementation of reliability-based demand response programs [20] all introduce fluctuations and changes in electricity prices that may be extremely difficult to model accurately and consistently. عوامل مختلفی که باعث کاهش دقت مدل پیش بینی قیمت برق می شوند،
