پیش بینی بلندمدت تقاضا در "زنجیره تامین انرژی الکتریکی صنایع سنگ آهن اسپیدان" با استفاده از شبکه عصبی عمیق و ماشین یادگیری شدید

صنایع سنگ آهن اسپیدان یکی از صنایع پر مصرف برق در زنجیره تامین انرژی الکتریکی استان اصفهان به­عنوان دومین قطب صنعتی کشور و یکی از تامین­کنندگان اصلی مواد اولیه در زنجیره تامین صنایع فولاد کشور است. برنامهریزی در یک زنجیره تامین انرژی الکتریکی با ابعاد بزرگ در فضائی پر از تردید و عدم قطعیت، با پیشبینی تقاضای انرژی ­الکتریکی آغاز می­گردد. در این مقاله یک روش پیش­بینی بلندمدت تقاضا در زنجیره تامین انرژی الکتریکی صنایع سنگ آهن اسپیدان اصفهان با استفاده از یک روش ترکیبی شامل تبدیل موجک، شبکه عصبی عمیق و تکنیک داده­کاوی مبتنی بر ماشین یادگیری شدید پیشنهاد شده است. داده­های مورد نظر در این مطالعه با توجه به اطلاعات ثبت شده از سیگنال تقاضای انرژی الکتریکی صنایع تولیدی سنگ آهن اسپیدان در یک بازه زمانی ۴۰ ماهه و به­صورت ۲۴ ساعته استخراج و استفاده شده است. داده­ها در بخشی از دوره مورد نظر ناشی از عدم تولید این صنعت در بازه مورد مطالعه منقطع بود به­طوری­که فقط ۴۰ درصد از داده­ها دارای مقدار و ۶۰ درصد مابقی صفر یا ناهمگون بوده­اند. این موضوع باعث نقص اطلاعات و بالا رفتن خطای پیش­بینی در بخش اول الگوریتم پیشنهادی در خروجی شبکه عصبی عمیق تا ۴۰ درصد شد. جهت بهبود پیش­بینی و کاهش خطای ایجاد شده، با تکمیل مدل پیشنهادی با ماشین یادگیری شدید، امکان ایجاد یک مدل پیش­بینی بهبود­یافته برای انجام آموزش تحت نظارت میسر گردید. در نهایت نتایج به­دست آمده با تکنیک­های دیگری مانند ماشین بردار پشتیبان و درخت تصمیم­گیری مقایسه شده است. نتایج بهبود و کاهش خطا و افزایش قابل توجه دقت روش پیشنهادی در پیش­بینی بلند-مدت تقاضا در زنجیره تامین انرژی الکتریکی صنایع سنگ آهن اسپیدان را نشان می­دهند.

Keywords:

تبدیل موجک , یادگیری عمیق , ماشین یادگیری شدید , ماشین بردار پشتیبان , درخت تصمیم گیری , پیش بینی تقاضا , زنجیره تامین انرژی الکتریکی , میانگین درصد خطا