پیش بینی قیمت روزانه برق با شبکه عصبی بهبودیافته مبتنی بر تبدیل موجک و روش آشوبناک جستجوی گرانشی
Abstract(in Persian; no English abstract is available)
چکیده:با سمتگیری وتغییرساختاربازاربرقازبازارانحصاریدولتیبهبازار رقابتیکهدرآنقیمتتوسطنیروهایبازارتعیینمیشود،نیاز به طراحی مدلی کارا و مناسب به گونه ای که ریسک شرکت در بازار رقابتی برای فعالان بازاربرق را در جهت افزایش سوددهی آن ها کاهش دهد، اهمیتویژهاییافتهاست. برای مدل سازی و پیشبینی قیمت برق در بازار رقابتی باید خصوصیات این کالا ازجملهعدمقابلیتذخیره سازی،کم کششبودن وفصلی بودنتقاضارادرنظرگرفت. مدل ایجادشده درصورتی که بتواند با ایجاد رابطهای از دادههای قبلی، کمترین خطای پیشبینی را داشته باشد، مؤثرتر و کارآمدتر خواهد بود. در مدلهای کلاسیک ارائه شده در مسئله پیش بینی قیمت برق با تنوع تعداد متغیرهای ورودی و عـدم پیروی متغیرهـا از یک مـدل سری مشخص، خطای ناشی از پیش بینی افزایش خواهد یافت. در این مقاله با انگیزه دستیابی به کمترین خطای پیشبینی و برطرف کردن نواقص روش‌های قبلی، از روشی ترکیبی تبدیل موجک برای کم کردن نوسانات در دادههای ورودی و به منظور افزایش دقت پیش بینی از شبکه عصبی بهبودیافته مبتنی بر ساختار غیرخطی برای آموزش و یادگیری بهتر بر روی مقادیر گذشته قیمت برق و استفاده از آن برای اطلاعات آینده و از ایده ترکیبی جدید نظریه آشوب با فن جستجوی گرانشی سعی در یافتن بهترین وزنها و بایاسها برای حداقل کردن مربعات خطای پیشبینی بهره گرفته شده است. به منظور نشان دادن کارایی روش پیشنهادی در حل مسئله پیشبینی قیمت بازار برق در مقایسه با سایر روش‌های اخیر انجام گرفته در این زمینه، از دادههای بازارهای واقعی مانند اسپانیا و ایران استفاده شده است. نتایج نشان از دقت بالا و خطای کمتر در پیش بینی میدهد. همچنین قابلیت جستجوی محلی و نهایی الگوریتم هوشمند ارائه شده در تنظیم وزنها و بایاسهای شبکه عصبی به طور قابل ملاحظه ای بهبود یافته است.