I. INTRODUCTIONLoad forecasting is

I. INTRODUCTION
Load forecasting is very important to the operation of electrical systems for economic 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 building. Enough of the pre-supply load Security analysis system used production load to assess the state of the system prior to its commitments in the future may be able to also load forecasting system is an important analysis tool that is used. To restore power, 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 load by borrowing up to 24 hours of weather variables. (M temperature unly) was used in most of these applications, the ICA (Research Use C0mputatic) NAL intelligence PUC- Rio, Brazil), we used the back propagation neural network [5] In a multi-step process to predict. loaded with up to 744 hours forecasts are made by feeding a neural network with a load ago. Hours of the day, we have to mesh nervous four different predictive load of dfferent of the week does not use temperature data due to the nature of the consumers supplied by the electric company in the study, our objective is to show that the correct productions by. tlvs and how to determine the limit of time as we add productions the following analysis is done to identify structural loads previous series neural networks suitable in part 3, we present system topology. chosen nervous and the four present case studies results and conclusions of the work will be presented in five sections.

ผลลัพธ์ (ไทย) 1:

I. บทนำโหลดการคาดการณ์เป็นสิ่งสำคัญมากในการทำงานของระบบไฟฟ้าสำหรับเศรษฐกิจ และความปลอดภัยเหตุผล 131 ถ้าประเมินความถูกต้องของระบบโหลดไฟกับนำของอย่างน้อย 24 ชั่วโมง และต้องประสานงานประหยัดพลังงาน โดยการสร้าง จ่ายล่วงหน้าเพียงพอโหลดความปลอดภัยวิเคราะห์ระบบผลิตโหลดที่ใช้ในการประเมินสถานะของระบบก่อนที่จะเป็นภาระผูกพันในอนาคตอาจสามารถยังโหลดการคาดการณ์ระบบเป็นเครื่องมือสำคัญในการวิเคราะห์ที่ใช้ การเรียกคืนอำนาจ ผู้เขียนจำนวนมากมีแล้วใช้เครือข่ายประสาทเทียม (ANNs) โหลดการคาดการณ์ปัญหา [1,2,4] อย่างไรก็ตาม ส่วนใหญ่ของพื้นที่นี้ถือว่า IEEE เป็นระยะสั้น 0 - 7803- 2972-4/96$5.00@1996 โหลดการคาดการณ์ (STLJ) whlch คือ เดาโหลดสารสภาพอากาศแปรถึง 24 ชั่วโมง (M อุณหภูมิ unly) ถูกใช้ในส่วนของแอพพลิเคชัน ข่าวกรอง NAL ICA (วิจัยใช้ C0mputatic) โอ PUC บราซิล), เราใช้เครือข่ายประสาทหลังการเผยแพร่ [5] ในกระบวนการหลายขั้นตอนที่จะคาดการณ์ โหลดสูงสุด 744 ชั่วโมงทำการคาดการณ์ โดยให้อาหารเครือข่ายของระบบประสาท มีโหลดแล้ว ชั่วโมงของวัน เรามีตาข่ายประสาทสี่โหลดทำนายแตกต่างกันของ dfferent ของสัปดาห์ไม่ได้ใช้ข้อมูลเนื่องจากลักษณะของผู้บริโภคที่จัดทำ โดยบริษัทไฟฟ้าในการศึกษา วัตถุประสงค์ของเราคือการ แสดงว่าการผลิตถูกต้องตามอุณหภูมิ tlvs และวิธีการตรวจสอบขีดจำกัดของเวลาเมื่อเราเพิ่มการผลิตจะทำการวิเคราะห์ต่อไปนี้เพื่อระบุโครงสร้างโหลดก่อนหน้าชุดเครือข่ายประสาทในส่วนที่ 3 เรานำเสนอระบบโทโพโลยี เลือกประสาท และสี่นำเสนอกรณีศึกษาผลลัพธ์ และข้อสรุปของการทำงานจะนำมาเสนอในห้าส่วน

ผลลัพธ์ (ไทย) 2:

I. บทนำ
พยากรณ์โหลดเป็นสิ่งสำคัญมากในการทำงานของระบบไฟฟ้าสำหรับเศรษฐกิจและการรักษาความปลอดภัยในเหตุผลที่ 131 ถ้าประเมินความถูกต้องของการใช้พลังงานโหลดระบบพร้อมกับนำของอย่างน้อย 24 ชั่วโมงแล้วมีการประสานงานเศรษฐกิจโดยการสร้างพลังงาน พอก่อนการจัดหาระบบการวิเคราะห์ภาระการรักษาความปลอดภัยที่ใช้ในการผลิตไฟฟ้าเพื่อประเมินสถานะของระบบก่อนที่จะมีภาระผูกพันในอนาคตอาจจะสามารถโหลดยังระบบการคาดการณ์เป็นเครื่องมือในการวิเคราะห์ที่สำคัญที่ถูกนำมาใช้ เพื่อเรียกคืนอำนาจเขียนหลายคนมีการส่งมอบแล้วโดยใช้เครือข่ายประสาทเทียม (ANNs) ปัญหาการพยากรณ์โหลด [1,2,4] แต่ส่วนใหญ่ของพื้นที่นี้ถือเป็นมาตรฐาน IEEE ระยะสั้น 0-7803- 2972-4/96$5.00@1996 พยากรณ์โหลด (STLJ) whlch โหลดคาดเดาไม่ได้โดยการกู้ยืมเงินถึง 24 ชั่วโมงของตัวแปรสภาพอากาศ (M อุณหภูมิ unly) ถูกนำมาใช้ในส่วนของการใช้งานเหล่านี้ ICA (ใช้ในการวิจัย C0mputatic) NAL ปัญญา PUC- ริโอบราซิล), เครือข่ายที่เราใช้ในการขยายพันธุ์กลับประสาท [5] ในกระบวนการหลายขั้นตอนที่จะคาดการณ์ เต็มไปด้วยถึง 744 ชั่วโมงการคาดการณ์ที่ทำโดยการให้อาหารเครือข่ายประสาทกับภาระที่ผ่านมา ชั่วโมงของวันที่เราจะต้องตาข่ายประสาทสี่โหลดทำนายแตกต่างกันของ dfferent ของสัปดาห์ที่ไม่ได้ใช้ข้อมูลอุณหภูมิเนื่องจากลักษณะของผู้บริโภคที่จัดทำโดย บริษัท ไฟฟ้าในการศึกษาวัตถุประสงค์ของเราคือการแสดงให้เห็นว่าโปรดักชั่นที่ถูกต้องโดย . tlvs และวิธีการในการกำหนดขีด จำกัด ของเวลาที่เราเพิ่มโปรดักชั่นการวิเคราะห์ต่อไปนี้จะทำเพื่อระบุโหลดโครงสร้างชุดก่อนหน้านี้เครือข่ายประสาทที่เหมาะสมในส่วนที่ 3 เรานำเสนอระบบโครงสร้าง ได้รับการแต่งตั้งประสาทและสี่นำเสนอกรณีศึกษาผลและข้อสรุปของงานที่จะนำเสนอในห้าส่วน

ผลลัพธ์ (ไทย) 3:

ผมแนะนำการพยากรณ์ความต้องการเป็นสิ่งสำคัญมากสำหรับการดำเนินงานของระบบเศรษฐกิจ และความมั่นคง เหตุผลถ้าการประเมินความถูกต้องของโหลดไฟฟ้าระบบกับการรอคอยอย่างน้อย 24 ชั่วโมง และมีการประสานงานเศรษฐกิจพลังงานอาคาร พอของก่อนจ่ายโหลดการวิเคราะห์ความปลอดภัยใช้ระบบภาระการผลิตเพื่อประเมินสถานะของระบบก่อนที่จะมีภาระผูกพันในอนาคตอาจจะยังโหลดระบบการพยากรณ์ เป็นสำคัญ เครื่องมือวิเคราะห์ที่ใช้ เพื่อเรียกคืนอำนาจ ผู้เขียนหลายคนได้ส่งโดยใช้โครงข่ายประสาทเทียม ( แอนน์ ) การพยากรณ์ความต้องการ , ปัญหา [ 1,2,4 ] อย่างไรก็ตาม ส่วนใหญ่บริเวณนี้ถือว่าเป็น IEEE ระยะสั้น 0-7803 - 2972-4 / 96 $ 5.00 @ 1996 การพยากรณ์ความต้องการ ( stlj ) whlch คาดเดาไม่ได้ โหลด โดยการกู้ยืมได้ถึง 24 ชั่วโมงของตัวแปรภูมิอากาศ ( m อุณหภูมิ unly ) คือใช้ในส่วนใหญ่ของโปรแกรมเหล่านี้ , ICA ( การใช้ c0mputatic ) นัล ปัญญา โภค - ริโอ บราซิล ) เราใช้กลับโดยนิวรอล [ 5 ] ในกระบวนการปรับการคาดการณ์ โหลดด้วยถึง 744 ชั่วโมง การคาดการณ์ที่ทำโดยการให้เครือข่ายประสาทกับโหลดมาแล้ว ชั่วโมงของวัน เราต้องประกบประสาทสี่ต่างพยากรณ์โหลด dfferent ของสัปดาห์ที่ไม่ใช้ข้อมูลอุณหภูมิเนื่องจากธรรมชาติของผู้บริโภค จัดโดย บริษัทไฟฟ้าในการศึกษา วัตถุประสงค์ของเราคือเพื่อแสดงให้เห็นว่าถูกผลิตโดย tlvs และวิธีการที่กำหนดขีด จำกัด ของเวลาที่เราเพิ่มการผลิตการวิเคราะห์ต่อไปนี้จะทำเพื่อระบุโครงสร้างโหลดก่อนหน้านี้ชุดเครือข่ายประสาทในส่วนที่ 3 ที่เหมาะสม เราเสนอระบบโทโพโลยี เลือกที่ตื่นเต้นและสี่ปัจจุบันกรณีศึกษาผลและข้อสรุปของงานจะถูกนำเสนอในห้าส่วน