۱-۲ اهداف پروژهبررسی اهمیت پیش بینی بار سیستم های توزیع انرژیمزایا و نتایج حاصل از پیش بینی صحیح بار در سیستم های توزیع انرژیمعرفی و مقایسه روشهای مختلف پیش بینی بار سیستم های توزیع انرژیارائه روش های نوین و کارا در پیش بینی بار سیستم های توزیع انرژیپیشنهاد یک روش جدید در پیش بینی بار سیستم های توزیع انرژی مبتنی بر منطق فازی و شبکه های عصبیفصل اول : مقدمه اي بر پیش بینی بار در سیستم هاي توزیع انرژي الکتریکی۱-۱ مقدمه کلی و تاریخچه۲-۱ اهداف پروژه۳-۱ تقسیم بندي زمانی پیش بینی بار۴-۱مرور روشهاي پیش بینی بار سیستم هاي توزیع انرژي۱-۴-۱ پیش بینی بار با روش رگرسیون خطی۲-۴-۱ پیش بینی بار با سریهاي زمانی تصادفی۱-۲-۴-۱ روش خود برگشتی۲-۲-۴-۱ روش حرکت متوسط۳-۲-۴-۱ روش خود برگشتی حرکت متوسط۴-۲-۴-۱ روش خود برگشتی تجمع یافته با حرکت متوسط۱۳-۴- روش یکنواخت سازي نمایی عمومی۴-۴-۱ پیش بینی بار با کاربري ارضی۵-۴-۱ پیش بینی بار با شبکه هاي عصبی۶-۴-۱ پیش بینی بار با منطق فازيفصل دوم: پیش بینی بار در سیستم هاي توزیع با روش رگرسیون۱-۲ مقدمه۲-۲ تقسیم بندي کلی روشهاي کلاسیک پیش بینی بار و بررسی روش رگرسیون۳-۲ اصلاح روش پیش بینی بار رگرسیونی۱-۳-۲اصلاح اول: حل مشکل انتقال بار۲-۳-۲اصلاح دوم:حل مشکل استنتاج سطح خالی۳-۳-۲ اصلاح سوم: حل مشکل گروه بندي۴-۲ اطلاعات مورد نیاز۵-۲اعمال روش بهبود یافته۶-۲ آزمایش و نتیجه گیريفصل سوم: پیش بینی بار به روش کاربري ارضی۱-۳ مقدمه۲-۳ معرفی روش کاربري ارضی۳-۳ مراحل روش کاربري ارضی۱-۳-۳ تقسیم بندي شهر به سلولهاي مساوي۲-۳-۳ گروه بندي مشترکین۱-۲-۳-۳ مناطق مسکونی۲-۲-۳-۳ صنایع سنگین و مصرف کنندگان بزرگ۳-۲-۳-۳ صنایع کوچک و خدماتی۴-۲-۳-۳ اماکن تجاري۵-۲-۳-۳ روشنایی اماکن عمومی۶-۲-۳-۳ اماکن خاص۴-۳ ناحیه بندي شهر۵-۳ اعمال روش۱-۵-۳ پیش بینی بار مناطق مسکونی۲-۵-۳ پیش بینی بار مناطق تجاري۳-۵-۳ پیش بینی بار روشنایی معابر۴-۵-۳ پیش بینی بار اصلی و خدماتی۵-۵-۳ پیش بینی بار اماکن خاصنتیجه فصلفصل چهارم: پیش بینی بار سیستم هاي توزیع با شبکه هاي عصبی و منطق فازي۱-۴ مقدمه۲-۴ شبک ههاي عصبی۳-۴ شبکه عصبی کوهونن۴-۴ تکمیل الگو درشبکه عصبی کوهونن۵-۴ شبکه عصبی پرسپترن۶-۴ مدل پیش بینی بار۷-۴ ساختار شبکه عصبی پرسپترن درمدل پیش بینی بار سیستم هاي توزیع۸-۴ ساختارشبکه عصبی کوهونن درمدل پیش بینی بار سیستم هاي توزیع۹-۴ پیش بینی بار سیستم هاي توزیع انرژي با منطق فازي۱۰-۴ بررسی اجمالی منطق فازي۱۰-۴ سیستم هاي فازي۱۱-۴ انواع سیستم هاي فازي۱۲-۴ مجموعه هاي فازي۱۳-۴ متغیرهاي زبانی و قواعد اگر _ آنگاه فازي۱۴-۴ استدلال تقریبی تشبیهی براي پیش بینی با۱۵-۴ ساختار شبکه عصبی فازي تشبیهی۱۶-۴ تنظیم اولیه پایگاه داده ها۱۷-۴ آموزش شبکه عصبی فازي تشبیهی۱۸-۴ بکارگیري شبکه عصبی فازي تشبیهی در پیش بینی بار سیستم توزیع۱۹-۴ تنظیم اولیه و آموزش شبکه عصبی فازي تشبیهیفصل پنجم : پیش بینی بار با استفاده از فیلتر کالمن۱-۵ مقدمه۲-۵ پیش بینی بار۳-۵ پیش بینی بار در شبکه برق هاي منطقهاي و سیستم هاي توزیع۴-۵ تعیین مدل ریاضی جهت پیش بینی بار در یک شبکه نمونه۵-۵ استفاده از فیلتر کالمن جهت تخمین بهینه حداکثر بار مصرفیتعداد صفحات :170فرمت فایل :word ورد docپاورپوینت و خلاصه و دفاعیه: 80 اسلاید