الفهرس 
AbstractOnly 14 pages are availabe for public view
 |  | from | 124 |  |  |
| | | from | 124 | | |
Abstract
الشبكات الكهربائية الذكية والتي تتضمن تقنيات ذكيه ومتطورة للمعلومات والاتصالات اصبحت القالب الأساسي لتطوير البنيه التحتية لعمليه توصيل الكهرباء . فمثل هذه الشبكات تسمح بعمل مراقبه واقعيه وفرص توجيهيه لمكونات الشبكة وبالتالي ظهرت مهام ومسئوليات جديده مثل التنبؤ بالأحمال الذكية. بفضل تقنيات التعدين والذكاء الاصطناعي والتي تسمح بالتنبؤ للكهرباء بدقه حيث تقلل العديد من التكلفة و التحديات او مشاكل التشغيل لان تنبؤات الكهرباء اصبحت اكثر تأكيدا. التنبؤ بالأحمال عمليه حتميه من اجل التخطيط و التشغيل للنظام الكهربي لأنها توفر العديد من المعلومات المستقبلية الدقيقة لعمليه اداره الطاقة. ويوجد العديد من التقنيات المستخدمة لتحسين دقه التنبؤ. هذه التقنيات تختلف عن بعضها البعض من حيث التكوين الرياضي ومجموعه الشروط او الخصائص المستخدمة لتطبيقها. هذه الرسالة تتضمن اقتراح لاستراتيجية جديده للتنبؤ بالأحمال الكهربائية من خلال تطبيق تقنيات تعدين البيانات. بالإضافة الى ان هذه الاستراتيجية تتضمن طريقه جديده للتنبؤ بالأحمال فإنها ايضا تتضمن طرق اخرى جديده لحذف البيانات الغير دقيقه واختيار الخصائص الافضل. وبالتالي فالنموذج الخاص بالتنبؤ للأحمال تتكون من ثلاث تقنيات جديده. التقنية الاولى تسمى Distance Based Outliers Rejection (DBOR) والثانية Union Hybrid Features selection (UHFS) والثالثة تسمى New Estimation method (KN3B). التقنية الاولى (DBOR) تركز على حذف البيانات التي تسلك سلوك مختلف عن غيرها من باقي البيانات و تتسبب في عدم التنبؤ للأحمال بدقه. وذلك من خلال قياس مدى بعد كل بيان عن مركز الفئه التي ينتمى اليها. فابعد عناصر تمثل اسوء عناصر. التقنية الثانية (UHFS) تركز على حذف كل البيانات او الشروط التي ليس لها تأثير فعال على الاحمال بل قد يكون لها تأثير سيء عند استخدامها للتنبؤ بالأحمال. هذه التقنية تعتمد على دمج واتحاد لتقنيات اخرى مقترحه الاولى تسمى Genetic Based Features selection (GBFS) technique والثانية تسمىRough Based Features selection (RBFS) technique وذلك من اجل تحسين كفاءه نموذج او تقنيه التنبؤ. التقنية الثالثة (KN3B) تركز على التنبؤ للأحمال وهى دمج ما بين K-Nearest Neighbors (KNN) classifier و Naïve Bayes (NB) classifier لتقدم نموذج للتنبؤ اسرع ودقيق .فالترتيب لتنفيذ استراتيجية التنبؤ للاحما ل هي حذف كل البيانات النادرة والشاذة عن غيرها ثم بعد ذلك يتم اختيار الخصائص ذات التأثير الافضل على الاحمال وفى النهاية يتم استخدام نموذج التنبؤ المقترح لهذه البيانات لعمل التنبؤ بالأحمال المستقبلية. النتائج التجريبية اثبتت مدى كفاءه التقنيات المقترحة في الرسالة. ايضا تم مقارنه الاستراتيجية المقترحة للتنبؤ بالأحمال كامله بغيرها من الاستراتيجيات الحديثة والموجودة سابقا. واتضح ان هذه الاستراتيجية الجديدة المقترحة لتوقع الاحمال لها تأثير جيد على زياده مصداقيه واستقرار النظام وذلك لأنها تقدم تنبؤات دقيقه للأحمال.