پیش بینی قیمت متوسط موزون بازار برق ایران با استفاده از شبکه های عصبی مصنوعی و شبکه¬های عصبی- فازی

پایان نامه
چکیده

یکی از مهمترین اهداف مورد توجه در فرآیند مقررات¬زدایی در صنعت برق ایجاد رقابت و افزایش کارایی از این ره¬گذر می باشد. بازارهای مختلف بر اساس معماری و ساختار خود از نظر درجه انحصار و میزان رقابت¬پذیری در وضعیت متفاوتی قرار دارند. شرکت های تولیدکننده به منظور فروش انرژی خود موظفند در یک بازار رقابتی شرکت کنند و شرکت در این بازار محدودیت ها و قوانینی را به تولید¬کننده و بازیگران تحمیل می کند. بر این اساس پیش بینی قیمت و مقدار در این شرایط یکی از ابزارهای مهم تصمیم گیری برای بازیگران به شمار می رود. در این پایان¬نامه به پیش¬بینی قیمت متوسط موزون بازار برق ایران در دو بازه اوج مصرف و کم باری و ارزیابی تاثیر درجه رقابت بر آن پرداخته می¬شود. در اینجا متغیرهایی که بر قیمت در بازار برق اثر دارند تا حد امکان استخراج گردیده و تلاش شده است که علاوه بر تفکیک الگوهای مختلف مصرف، ویژگی های متفاوت بازار ایران نیز مدل¬سازی شود. بر این اساس از روش فازی، برای مدل¬سازی نااطمینانی¬های سمت تقاضا در برآورد قیمت، استفاده شده است. برای این منظور درجه انحصار در ساعت های مشخص سال محاسبه و با استفاده از آن قیمت متوسط موزون در بازار برق برآورد خواهد شد. در این تحقیق از داده-های واقعی بازار برق در طول سال 91 استفاده شده است و منبع اصلی داده ها و اطلاعات شرکت مدیریت شبکه برق کشور می-باشد. در تحقیق حاضر به منظورآماده¬سازی و تحلیل داده¬ها از نرم¬افزار excel 2010 و برای برآورد قیمت از دو ابزار شبکه¬های عصبی و شبکه¬های عصبی-فازی تطبیقی در محیط نرم¬افزار matlab بهره گرفته شده است. نتایج نشان می دهد که درجه رقابت در بازار و استفاده از الگوی¬های مصرف متفاوت، بر قیمت ها اثرگذار بوده و مد نظر قرار دادن آن¬ها به افزایش قدرت مدل می انجامد. همچنین با توجه به ماهیت قیمت برق نتیجه می شود که شبکه¬¬های هوشمند قادرند قیمت برق را ردیابی کرده و آن را با یک دقت خوب پیش¬بینی نمایند.

منابع مشابه

پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی

In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...

متن کامل

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

متن کامل

مدل سازی و پیش بینی کارایی بانک های دولتی و خصوصی ایران با استفاده از مدل های شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک

دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های دولتی و خصوصی در کشور پیش بینی کارایی آن ها اهمیت ویژه ای پیدا کرده است. هدف از این پژوهش، مدلسازی و پیش بینی کارایی...

متن کامل

پیش بینی سطح عمومی قیمت ها و تورم در ایران با استفاده از شبکه عصبی

(صحت مطالب مقاله بر عهده نویسنده است و بیانگر دیدگاه مجمع تشخیص مصلحت نظام نیست)  هدف این مقاله پیش بینی روند تورم و شاخص قیمت ها در اقتصاد ایران است. داده‌های این مقاله شامل تورم سالانه و داده‌های ماهانه شاخص قیمت مصرف‌کننده در ایران از سال 1340 تا 1392 می باشد. در این تحقیق برای پیش بینی تورم از شبکه عصبی مصنوعی استفاده شده است. برای پیش‌بینی تورم ماهانه از یک شبکه پس‌انتشار خطا(BP) با 15 نر...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشکده علوم اقتصادی - دانشکده اقتصاد

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023