چکیده 1
مقدمه 2
فصل اول : کلیات 3
1-1 ) هدف 4
2-1 ) فاکتورهای تاثیر گذار بر قیمت 6
3-1 ) فرار بودن قیمت 7
4-1 ) انواع پیش بینی قیمت 8
5-1 ) انوع کاربران پیش بینی قیمت 9
6-1 ) روشهای سنتی برای حل مساله پیش بینی کوتاه مدت قیمت 11
1-6-1 ) مدل سری های زمانی 11
2-6-1 ) مدل رگرسیون 14
3-6-1 ) سیستم های هوشمند 14
7-1 ) ساختار پایان نامه 15
فصل دوم : مقدمه ای بر شبکه عصبی و الگوریتم ژنتیک 16
1-2 ) شبکه عصبی 17
2-2 ) ساختار شبکه عصبی مصنوعی 19
3-2 ) شبکه پرسپترون چند لایه 23
4-2 ) فرایند یارگیری 24
1-4-2 ) الگوریتم پس انتشار 26
2-4-2 ) الگوریتم پس انتشار ارتجاعی 32
5-2 ) کاربرد شبکه عصبی مصنوعی در سیستم های قدرت 33
6-2 ) الگوریتم ژنتیک 35
7-2 ) ساختار الگوریتم ژنتیک 37
1-7-2 ) افراد یا کروموزوم ها 34
2-7-2 ) جمعیت 37
3-7-2 ) کد گذاری کروموزوم ها 38
4-7-2 ) تعیین جمعت اولیه 39
5-7-2 ) تابع هدف 39
6-7-2 ) انتخاب 40
7-7-2 ) تقاطع 42
8-7-2 ) جهش 44
9-7-2 ) اعمال قیود در بهینه سازی 44
فصل سوم : طراحی شبکه عصبی بهینه شده توسط الگوریتم ژنتیک 46
الف) شبکه بدون اجرای الگوریتم ژنتیک 47
1-3 ) مقدمه 47
2-3 ) بازار برق نوردیک 48
3-3 ) طراحی شبکه عصبی 52
4-3 ) درصد خطای مطلق 57
5-3 ) حد بالای قیمت 59
6-3 ) تعداد نرونهای لایه پنهان 61
7-3 ) رابطه بار با قیمت 62
8-3 ) اصلاح داده ها جهت آموزش 66
ب) بهینه سازی شبکه عصبی مصنوعی توسط الگوریتم ژنتیک 70
9-3 ) تعیین نرونهای لایه پنهان با استفاده از الگوریتم ژنتیک 70
10-3 )شبیه سازی و ابزار آن 74
فصل چهارم:مقایسه روش رگرسیونی با شبکه عصبی بهینه شده با الگوریتم ژنتیک 76
1-4 )مقدمه 77
2-4 ) تحلیل رگرسیونی 77
فصل پنجم : نتیجه گیری و پیشنهادات 80
نتیجه گیری 81
پیشنهادات 82
84 پیوست 1
86 پیوست 2
مراجع فارسی 87
مراجع انگلیسی 88
سایت های اطلاع رسانی 89
چکیده انگلیسی 90
پیش بینی قیمت بازار برق با استفاده از شبکه های عصبی
