تلفیق شبکه عصبی و رگرسیون فازی با هدف افزایش دقت در برآورد بلندمدت مصرف بار الکتریکی مطالعه موردی: استان یزد

با توجه به هزینه های بالا در تولید و انتقال برق و همچنین زیرساخت های این صنعت، اهمیت یک روش برای کاهش میزان خطا و افزایش بهره وری برای پیش بینی و تصمیم گیری ضرورت پیدا نموده است. هر چه این روش دقیق تر و جامع تر باشد به تبع تصمیم گیری ها و تخصیص هزینه در این زمینه ها دقیق تر می شود و از هزینه های اضافی جلوگیری کرده و به بهبود و روند موجود کمک می کند. این مقاله با هدف مقایسه و توسعه مدل های پیش بینی و کاهش میزان خطای برآورد در بلند مدت و بهبود روش های پیش بینی صورت گرفته است. در همین راستا مطالعه ای موردی بر روی داده های برق ۸ سال شهرستان یزد در حوزه های مصرف خانگی، صنعتی و خدماتی انجام شده است. عوامل مختلفی از جمله دما، جمعیت و تعداد انشعابات بر روی میزان مصرف موثر می باشد، این تحقیق از نظر هدف توسعه ای، از نظر شیوه تجزیه و تحلیل کمی و از منظر نتایج پیش بینی است. در این مقایسه، مشاهده می شود که مدل ترکیبی رگرسیون فازی و عصبی فازی نتیجه بهتری نسبت به مدل شبکه عصبی مبتنی بر سری زمانی ارائه می دهد. یافته ها از کاهش میزان درصد خطای برآورد نسبت به سایر روش های پیش بینی حکایت دارد.

Keywords:

جمعیت , دما , رگرسیون فازی , شبکه عصبی , پیش بینی , سری زمانی