بررسی روش های بهبود دقت پیش بینی قیمت و بار با توجه به مقادیر جهش قیمت و بار و عوامل موثر در آن ها

در این پایان نامه، ابتدا مقایسه ای بین دو روش انتخاب ورودی پرکاربرد، «آنالیز همبستگی» و «اطلاعات متقابل» و ترکیبات مختلف آنها انجام شده است. سپس یک روش انتخاب ورودی جدید پیشنهاد شده است. در ادامه یک روش ترکیبی هوشمند جدید برای پیش بینی عدم قطعیت بار و قیمت ارائه شده است. روش پیشنهادی بازه های پیش بینی را مبتنی بر شبکه های عصبی مصنوعی و الگوریتم بهینه سازی ازدحام ذرات می سازد. براساس نتایج بدست آمده از ساخت بازه های پیش بینی، یک استراتژی جدید برای پیش بینی جهش قیمت برق ارائه شده است. این استراتژی پیشنهادی شامل یک مدل ترکیبی از داده های ورودی به شبکه عصبی برای پیش بینی جهش است و هر دو جنبه پیش بینی جهش (وقوع و مقدار) را در یک گام پیش بینی می کند. برای ارزیابی مدل های پیشنهادی، از داده های واقعی بار و قیمت بازارهای برق جهانی استفاده و با مراجع مختلف مقایسه شده است.