I. บทนำโหลดการคาดการณ์เป็นสิ่งสำคัญ

I. บทนำ
โหลดการคาดการณ์เป็นสิ่งสำคัญมากกับการดำเนินงานระบบไฟฟ้าสำหรับเศรษฐกิจ และเหตุผลความปลอดภัย 131 หากการประเมินที่แม่นยำของโหลดระบบไฟฟ้าพร้อมกับนำของอย่างน้อย 24 ชั่วโมง แล้วจำเป็นต้องประสานงานผลิตพลังงานทางเศรษฐกิจ โดยเลือก สร้างเพียงพอมากคพรีจัดหาโหลด Se:curity การวิเคราะห์ระบบไฟฟ้าใช้ prdcted โหลดเพื่อประเมินสถานะของระบบล่วงหน้า เพื่อให้ภาระผูกพันในอนาคตอาจจะไม่สามารถ นอกจากนี้ โหลดการคาดการณ์ระบบเป็นสิ่งที่สำคัญเป็นเครื่องมือการวิเคราะห์ที่ใช้ในการกู้คืนระบบไฟฟ้า ผู้เขียนหลายคนแล้วมีส่งการใช้เครือข่ายประสาทเทียม (ANNs) โหลดการคาดการณ์ปัญหา [1,2,4] อย่างไรก็ตาม ส่วนใหญ่ของงานเป็นพื้นที่นี้พิจารณาระยะสั้น IEEE 0-7803-2972-4/96$5.00@1996 โหลดการคาดการณ์ (STLJ) whlch เป็นการคาดเดาโหลด ด้วยยืมเวลาถึง 24 ชั่วโมง ตัวแปรพยากรณ์อากาศ (เมตร อุณหภูมิ unly) ได้ถูกใช้ในส่วนใหญ่ของโปรแกรมประยุกต์เหล่านี้ ที่ ICA (ศูนย์วิจัยใช้ C0mputatic) nal ข่าวกรอง PUC-โอ บราซิล), เราได้ใช้เครือข่ายประสาท Backpropagation [5] ในกระบวนการหลายขั้นตอนเพื่อทำนายโหลดด้วยเวลาถึง 744 ชั่วโมง การคาดการณ์จะทำ โดยให้อาหารเครือข่ายประสาทกับโหลดผ่านมาและ มีชั่วโมงของวัน เราได้นำตาข่ายประสาทแตกต่างกันสี่ทำนายโหลดของ dfferent กลุ่มของสัปดาห์วัน ไม่มีใช้ข้อมูลอุณหภูมิเนื่องจากลักษณะของผู้บริโภคที่จัดทำ โดยบริษัทไฟฟ้าในการศึกษา วัตถุประสงค์ของเราคือ การแสดงว่า ถูกต้อง prebctions ได้โดยใช้วิธี tlvs และ เพื่อตรวจสอบขีดจำกัดเช่นเราเพิ่มเวลานำของ predctions ส่วนต่อไปนี้แสดงการวิเคราะห์ previ.ous ชุดโหลดที่ทำเพื่อระบุโครงสร้างเครือข่ายประสาทเหมาะสมที่สุด ในส่วน ที่ 3 ที่เรานำเสนอโครงสร้างเครือข่ายระบบประสาท cho'sen และส่วนที่ 4 นำเสนอกรณี studes และผล บทสรุปของการทำงานจะนำเสนอในส่วนที่ 5

ผลลัพธ์ (อังกฤษ) 1:

I. introductionLoad forecast is very important to the operation of electrical system for economic and security reasons, 131 if an accurate evaluation of the electrical system with a lead of at least 24 hours, then it is necessary to coordinate the economic power by selecting create a sufficient supply of Se loaded khopri much: curity check box.Analyzing power system using prdcted to load, to assess the status of the system in advance, so that future commitments may not be able to additionally load forecasting system is important as an analysis tool that is used to restore the power system. Author of several people and then are sent using artificial neural networks. (ANNs) load forecasting problem [1, 2, 4] However, the majority of jobs are in this area, considering the short term IEEE 0-7803-5272-4/96 $5.00 @ 1996 load forecasting (STLJ) with load prediction whlch is borrowed time to 24-hour weather variables (temperature meter unly) has been used in a large part of the program, click.These at the ICA (Research Center for use of C0mputatic), PUC-Rio Brazil intelligence nal), We've been using Backpropagation neural networks [5] in the process in several steps in order to predict the load time up to 744 hours forecast are made by feeding neural networks with load, and has hours of the day. We have introduced four different neural mesh loading prediction of last week's group, no date dfferent used temperature data, due to the characteristics of the consumers, that is supplied by the electric company in the study. Our objective is to show that the correct prebctions using tlvs, and to determine such limits, we add time to the leadership of the following section predctions analysis previ.ous series loading made to identify the neural network structure is the most appropriate. In section 3, we present a neural network structure cho'sen and section 4 presents the case studes, and results. A summary of this work are presented in section 5.

ผลลัพธ์ (อังกฤษ) 2:

I. INTRODUCTION
Load forecasting is very important to the operation of electrical systems for the economy. And security reasons 131 if accurate assessment of system load power with a lead of at least 24 hours and then have to coordinate energy economy by creating enough of the pre-supply load Se: curity analysis system used prdcted. to assess the state of the system pre-loaded. The obligation in the future may be able to also load forecasting system is an important analysis tool that is used to recover the power system. Many authors have already delivered using artificial neural networks (ANNs), load forecasting problem [1,2,4] However, most of this area is considered a short-term IEEE 0-7803-2972-4 / 96 $ 5.00. @ 1996 Load forecasting (STLJ) whlch is unpredictable loads. Borrow up to 24 hours with weather variables (temperature meters unly) was used in most of these applications, the ICA (Research Use C0mputatic) nal intelligence PUC- Rio, Brazil), we use a neural network. Backpropagation [5] in a multi-step process to predict loaded with up to 744 hours forecasts are made. By feeding a neural network loads and past. There are hours of the day We have taken neural nets four different groups of predicting loads of dfferent week. No temperature due to the nature of the information supplied to consumers. In a study by the Electric Company Our objective is to show that by using the correct prebctions tlvs and how to determine the limit of time as we add predctions The following analysis is done to identify structural loads previ.ous series neural networks optimal. in part 3, we present the structure and the neural network cho'sen 4 studes present case and the conclusions of the work will be presented in five sections.

ผลลัพธ์ (อังกฤษ) 3:

I. Introduction.Load forecast is very important to the operation of electrical system for economic reasons and safety assessment 131 if accurate load electric system with at least 24 hours. Then the need to coordinate the economic energy by choice. Create enough much with the supply load Se: curity analysis prdcted electrical use. To evaluate the state of load system in advance. To make commitments in the future might be. Also, load forecast system is very important as the analysis tools used in the recovery systems. Many authors have sent using artificial neural network (ANNs) load forecasting problem [1 2 4],, however, the majority of the work is here considered. IEEE 0-7803-2972-4 / 96 $5.00@1996 load forecast (STLJ) whlch guesses loaded with borrowed time 24 hours, variable weather forecast. (meter, temperature unly) has been used in most of these applications, ICA (Research Center for use C0mputatic) nal intelligence PUC - oh. Brazilian), we use the neural network Backpropagation [] in the process 5 several steps to predict the load with time to 744 hour forecast will do. By feeding the neural network with the load through and with the hours of the day. We studied four different neural nets predict loads of dfferent group of the week days. Using temperature data due to the nature of consumers conducted by the electric company in the study, our objective is to show that it is accurate. Prebctions using TLVs method and to determine limits such as we increase the lead time of predctions following section แสดงการวิเคราะห์ previ.ous. Series load made to identify the neural network structure optimization, in part, that 3 we present neural network structure Cho Sen. ' And the 4 presented case studes and as a result, the conclusion of the work is presented in the 5.