انجمن علمی مهندسی حرارتی و برودتی ایران نشریه انرژی های تجدیدپذیر و نو 2423-4931 6 2 2019 09 23 Comparison of ANN, PSO-ANN and GA-ANN models in forecasting peak daily electricity prices, Case study: Iran Electricity Market مقایسه مدل‌های ANN، PSO-ANN و GA-ANN در پیش‌بینی قیمت اوج روزانه برق، مطالعه موردی: بازار برق ایران 71 77 87328 FA حامد مازندرانی زاده گروه علوم و مهندسی آب، دانشگاه بین المللی امام خمینی (ره)، مریم پرهیزکاری گروه اموزشی علوم و مهندسی آب ، دانشگاه بین المللی امام خمینی (ره) Journal Article 2018 12 04 Hydro-power is one of the most important ways of providing energy in peak hours. Restructuring in the electricity industry has created rivalry among the country's electricity suppliers. In order to increase the profitability of investment and better utilization of resources, estimating the future price of electricity is of particular importance to producers. Artificial Neural Networks (ANNs), as one of the most important methods of artificial intelligence, have many uses in predicting and predicting phenomena. Recently, in order to improve the performance of the model of artificial intelligence models, their combination with optimization models has become widespread. The purpose of this study was to compare the performance of ANN, PSO-ANN and GA-ANN models in predicting the dispersed and sinusoidal data of peak daily electricity prices in Iran. The results show that the use of PSO-ANN and GA-ANN models in this case study has no superiority to the ANN model and has not improved the performance and forecast of the electricity market data. 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.<br /> کلید واژگان: پیش‌بینی قیمت برق، شبکه‌های عصبی مصنوعی، بازار برق https://www.jrenew.ir/article_87328_f4c5355ee386e60f6ae2e00318a2c682.pdf