@article { author = {Eskandari, N. and Jalilzadeh, S.}, title = {Electrical Load Manageability Factor Analyses by Artificial Neural Network Training}, journal = {Journal of Operation and Automation in Power Engineering}, volume = {7}, number = {2}, pages = {187-195}, year = {2019}, publisher = {University of Mohaghegh Ardabili}, issn = {2322-4576}, eissn = {2423-4567}, doi = {10.22098/joape.2019.5398.1405}, abstract = {On typical medium voltage feeder, Load side management means power energy consumption controlling at connected loads. Each load has various amount of reaction to essential parameters variation that collection of these reactions is mentioned feeder behavior to each parameter variation. Temperature, humidity, and energy pricing variation or major event happening and power utility announcing to the customers are essential parameters that are considered at recent researches. Depends on amount of improvement that each changeable parameters effect on feeder load consumption, financial assets could be managed correctly to gain proper load side management. Collecting feeder loads behavior to all mentioned parameters will gain Load Manageability Factor (LMF) that helps power utilities to manage load side consumption. Calculating this factor needs to find out each types of load with unique inherent features behavior to each parameters variation. This paper and future works will help us to catch mentioned LMF. In this paper analysis of typical commercial feeder behavior due to temperature and humidity variation with training artificial neural network will be done. Load behavior due to other essential parameters variations like energy pricing variation, major event happening, and power utility announcing to the customers, and etc will study in future works}, keywords = {Soft Load behavior,load side management,load sensitivity,manageability factor,neural network}, title_fa = {تجزیه و تحلیل ضریب مدیریت بار با شبکه عصبی}, abstract_fa = {مدیریت سمت تقاضا در یک فیدر فشار متوسط به معنی کنترل میزان مصرف انرژی الکتریکی بارهای متصل به آن می باشد. می دانیم که هر کدام از این بارهای متصل شده واکنش های متفاوتی را نسبت به تغییرات پارامترهای اساسی از خود نشان خواهند داد. در این مقاله پارامترهای اساسی دمای محیط، رطوبت محیط، تغییرات قیمت انرژی، رخداد اتفاقات مهم و تبلیغات شرکت های برق برای مشترکین شان می باشد. برخی از این پارامترها توسط شرکت های برق قابل تغییر بوده و برخی دیگر این قابلیت را ندارند. بمنظور مدیریت مطلوب تر در سمت تقاضا می بایست متناسب با میزان بهبودی که تغییرات هر کدام از پارامترها بر روی مصرف انرژی الکتریکی دارد، سرمایه های مالی در راستای پارامتر موثرتر هدایت شوند. از تجمیع رفتار بارهای متصل شده به فیدر به ازاء تغییرات پارامترهای مذکور، ضریبی به نام ضریب مدیریت پذیری بار یا LMF حاصل می شود که می تواند شرکت های برق را در راستای مدیریت مطلوب و مناسب بار، یاری رساند. محاسبه این فاکتور نیازمند مطالعه رفتار هر بار با شاخصه های ذاتی به ازاء تغییرات پارامترهای اساسی می باشد. در این مقاله و تحقیقات آینده قصد ما یافتن این فاکتور مهم می باشد. کار انجام شده در این مقاله صرفا مطالعه رفتار فیدر با بار تجاری نسبت به تغییرات دما و رطوبت محیط می باشد که این مطالعه توسط شبکه عصبی انجام شده است. مطالعات مربوط به رفتار بار نسبت به تغییرات سایر پارامترهای اشاره شده، در تحقیقات آینده ارائه خواهد شد.}, keywords_fa = {رفتار بار,مدیریت سمت بار,حساسیت بار,ضریب مدیریت پذیری و شبکه عصبی}, url = {https://joape.uma.ac.ir/article_772.html}, eprint = {https://joape.uma.ac.ir/article_772_71d20590e185c088b4d7e0259ef50201.pdf} }