پیش بینی منحنی عرضه مجموع بازار برق

در این پایان نامه، چارچوبی جهت پیش بینی کوتاه مدت منحنی عرضه مجموع در بازارهای برق ارائه می کنیم. منحنی عرضه مجموع بازار برق دارای اطلاعات ارزشمندی در مورد سمت عرضه بازار است. در واقع، منحنی عرضه مجموع رابطه بین تقاضای شبکه و قیمت بازار را تعیین می کند. علاوه بر این، یک شرکت تولیدی می تواند از منحنی عرضه مجموع، منحنی عرضه رقیبان خود را در بازار برق استخراج کند تا به کمک آن بتواند استراتژی پیشنهاد قیمت مناسب اختیار کند. با وجود آنکه روش های متعددی جهت پیش بینی متغیرهای اسکالر (مانند بار و قیمت شبکه) در بازارهای برق ارائه شده اند، تنها تعداد معدودی روش برای پیش بینی منحنی ها پیشنهاد شده اند. در این پایان نامه، یک چارچوب جدید جهت پیش بینی کوتاه مدت منحنی عرضه مجموع پیشنهاد می دهیم. چالش اصلی جهت پیش بینی منحنی عرضه مجموع آن است که موتورهای پیش بین و روش های انتخاب ورودی عموما برای متغیرهای اسکالر طراحی شده اند، و نه برای متغیرهای منحنی. برای آنکه بتوان از موتورهای پیش بین معمول در فرایند پیش بینی منحنی ها استفاده کنیم، سری زمانی منحنی های عرضه را گسسته می نماییم تا به تعدادی سری زمانی اسکالر تبدیل گردد. سپس، با پیش بینی این سری های زمانی اسکالر، می توان منحنی عرضه مجموع را پیش بینی نمود. در طی فرایند پیش بینی منحنی عرضه، وابستگی های بین این سری های زمانی اسکالر باید در نظر گرفته شود. استفاده از روش های پیش بینی چند متغیره که تمامی این سری های زمانی را در نظر بگیرد از لحاظ محاسباتی عملی نیست. بنابراین، در این پایان نامه سه روش مختلف جایگزین ارائه شده است. پس از پیش بینی سری های زمانی اسکالر، کل منحنی بر اساس نقاط پیش بینی شده تخمین زده می شود. روش پیشنهادی را با استفاده از داده های بازار آلبرتا آزموده ایم. جهت افزایش دقت پیش بینی های منحنی عرضه، یک الگوریتم انتخاب متغیرهای ورودی و یک موتور پیش بین مبتنی بر ترکیب اطلاعات پیشنهاد نموده ایم. انتخاب مجموعه ورودی های مناسب برای موتور پیش بینی، یک مرحله مهم در فرایند پیش بینی سری های زمانی است. در روش پیشنهادی ما متغیرهایی برای ارائه به موتور پیش بینی انتخاب می شوند که دارای بیشترین ارتباط (خطی یا غیر خطی) با متغیر هدف باشند و در عین حال کمترین افزودگی را در میان خود داشته باشند. بدین صحت پیش بینی ها افزایش می یابد. موتورهای پیش بینی جزء لاینفکی از هر فرایند پیش بینی هستند. در این پایان نامه، یک موتور پیش بین بر اساس مفهوم ترکیب اطلاعات، جهت هیبرید نمودن چند موتور پیش بین مختلف، ارائه می شود. در روش پیشنهادی، سه موتور پیش بین مقدماتی مجزا استفاده شده است تا پیش بینی های جداگانه ای از سیگنال هدف ارائه دهند. سپس، یک روش ترکیب اطلاعات جدید ارائه شده است که این سه پیش بینی مقدماتی را با یکدیگر ترکیب نموده تا یک پیش بینی واحد ارائه نماید. انتظار می رود که پیش بینی ترکیب شده نهایی از پیش بینی هرکدام از موتورهای پیش بین مقدماتی بهتر عمل نمایند، زیرا از ظرفیت های چند موتور پیش بین به صورت همزمان استفاده می شود.