The application of committee machine model in power load forecasting for the Western Region of Saudi Arabia نموذج المكائن المتعددة لشبكة العصبية الاصطناعية للتنبؤ بالأحمال الكهربائية للمنطقة الغربيةالمملكة العربية السعودية

Abstract

أصبحت دراسة الأحمال في السنوات الأخيرة أحدى مجالات البحث والدراسة في الهندسة الكهربائية، درست غالبية طرق التنبؤ التقليدية والاصطناعية لأجل هذا الغرض الشبكة الاصطناعية حازت على اهتمام الباحثين ونشرت أبحاث تدل على نجاح الشبكة الاصطناعية وتطبيقاتها في مجال التنبؤ في الأحمال الكهربائية قصيرة المدى تتضمن هذه الورقة تطوير نموذج مجموعة المكائن المتعددة للشبكة الاصطناعية للحصول على نتائج أفضل لدراسة التنبؤ بالأحمال في مركز التحكم في المنطقة الغربية بالشركة السعودية للكهرباء النموذج المقترح تم دمجه مع نظام الحشد الأمثل للجزيئات والانتشار البكتيري للحصول على نتائج جيدة، ثم مقارنة ما تم التوصل إليه من نتائج خلال النموذج المقترح مع الشبكة العصبية الاصطناعية والأوزان المثلى للشبكة شبكة الأحمال بالمنطقة الغربية تم تدريبها مع متغيرات الطقس والزمان والمناسبات (الحجرمضانالعمرة) إضافة إلى قيم الأحمال ما بين الفترة من 20052007 م

Load forecasting has become in recent years one of the major areas of research in electrical engineering Most traditional forecasting models and artificial intelligence techniques have been tried out in this task Artificial neural networks (ANN) have lately received much attention and many papers have reported successful experiments and practical tests This paper presents the development of an ANNbased committee machine load forecasting model with improved accuracy for the Regional Power Control Centre of Saudi Electricity Company The proposed system has been further optimized using Particle Swarm Optimization (PSO) and Bacterial Foraging (BG) optimization algorithms Results were compared for standard ANN weight optimized ANN and ANN committee machine models The networks were trained with weatherrelated time based and special events indexes for electric load data from the calendar years 2005 to 2007