مقایسه مدل‌های ANN، PSO-ANN و GA-ANN در پیش‌بینی قیمت اوج روزانه برق، مطالعه موردی: بازار برق ایران

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه علوم و مهندسی آب، دانشگاه بین المللی امام خمینی (ره)،

2 گروه اموزشی علوم و مهندسی آب ، دانشگاه بین المللی امام خمینی (ره)

چکیده

انرژی برق‌آبی یکی از مهم‌ترین شیوه‌های تأمین انرژی در ساعت‌های اوج مصرف است. تجدید ساختار در صنعت برق باعث ایجاد رقابت در بین عرضه-کنندگان برق کشور شده است. به‌منظور افزایش سود سرمایه‌گذاری و بهره‌برداری بهتر از منابع، تخمین قیمت آینده برق از اهمیت ویژه‌ای نزد تولیدکنندگان برخوردار است. شبکه‌های عصبی مصنوعی (ANN)، به‌عنوان یکی از مهم‌ترین روش‌های هوش مصنوعی، کاربردهای فراوانی در تخمین و پیش‌بینی پدیده‌ها دارند. اخیراً به‌منظور بهبود عملکرد مدل مدلهای هوش مصنوعی، ترکیب آنها با مدل‌های بهینه‌سازی رواج زیادی یافته است. هدف از این تحقیق مقایسه عملکرد مدل‌های ANN، PSO-ANN و GA-ANN در پیش‌بینی داده‌های پراکنده و سینوسی قیمت اوج روزانه برق در کشور ایران است. نتایج نشان می‌دهد استفاده از مدل‌های PSO-ANN و GA-ANN در این مطالعه موردی، برتری نسبت به مدل ANN نداشته و منجر به بهبود عملکرد و پیش بینی داده‌های بازار برق نشده است.
کلید واژگان: پیش‌بینی قیمت برق، شبکه‌های عصبی مصنوعی، بازار برق

کلیدواژه‌ها


 [1]   ن. ابراهیمی و ش. جدید، پیش بینی قیمت برق روز بعد با استفاده از مدل  ARIMA  و Wavelet-ARIMA، دانشگاه علم و صنعت ایران، 1387.

[2]   ع. درودی، ن. یکتای، م. ظریف و و. جاویدی دشت بیاض، تحلیل قیمت‌دهی نیروگاه­های ایران در سال 1390، بیست و هفتمین کنفرانس بین المللی برق، 1390.

[3]   د. منظور و م. یادی پور، ارزیابی و پیش‌بینی نوسانات قیمت در بازار برق ایران به کمک مدل  ARMAX-GARCH، نشریه اقتصاد مقداری، شماره  13، 1395.

[4]   J. P. D. S. Catalao , H. M. I. Pousinho and V. M. F. Mendes, Short-term electricity prices forecasting in a competitive market by a hybrid intelligent approach, Energy Conversion and Management, 52, 2011.

[5]   N. A. Shrivastava and B. K. Panigrahi, A hybrid wavelet-ELM based short term price forecasting for electricity markets, International Journal of Electrical  Power & Energy Systems, 55, 2014.

[6]  ح. شایقی و ع. قاسمی، پیش‌بینی قیمت روزانه برق با شبکه عصبی بهبودیافته مبتنی بر تبدیل موجک و روش آشوبناک جستجوی گرانشی، مجله مهندسی برق دانشگاه تبریز، شماره 45, 1394.

[7]   M. Motahari and H. Mazandaranizadeh, Development of a PSO-ANN model for rainfall-runoff respons in basins, case study: Karaj Basin, Civil Engineering Journal, 2017.

[8]   D. Anderson and G. Mcneill, Artificial neural networks technology, Kaman Sciences Corporation, 258, 1992.

[9]   R. Eberchart, and J. Kennedy, Particle swarm optimization, IEEE International Conference on Neural Networks, Perth, Australia, 1995.

[10] D. D. Glodberg, Genetic algorithms in search, optimization, and machine learning, Addison Wesley publishing company Inc.: 401p.

[11] https://www.igmc.ir/Power-grid-status-report.