مهدی افشاری - افشاری کارشناسی مهندسی صنایع، دانشگاه علم و فناوری مازندران، بهشهر، ایران
محسن رضایی - استادیار مهندسی صنایع، دانشگاه علم و فناوری مازندران، بهشهر، ایران

افزایش روزافزون جمعیت جهان و در دسترس بودن دستگاه های هوشمند پرانرژی از دلایل اصلی نگرانی مصرف بالای برق بوده است. تاکنون ابزارهای مختلف شبیه سازی، مهندسی و روش های مبتنی بر هوش مصنوعی برای انجام پیش بینی بهینه مصرف برق استفاده شده است. روش های مهندسی از معادلات پویا و روش های مبتنی بر هوش مصنوعی از داده های تاریخی برای پیش بینی استفاده می کنند. در این تحقیق، به منظور پیش بینی مصرف برق در بخش صنعت ایران، از روش های هموارسازی نمایی دوبل، زمستان و رگرسیون چند متغیره استفاده و بهترین مدل پیش بینی معرفی گردیده است. از داده های سالیانه ۱۳۴۷ تا ۱۳۸۹ که ۸۵ درصد داده ها را تشکیل می دهند به منظور طراحی مدل ها، و از داده های سال های ۱۳۹۰ تا ۱۳۹۷ جهت ارزیابی آن ها استفاده شده است. برای مقایسه این سه روش، از معیارهای MAPE، MSE و MAE استفاده شده است. نتایج این تحقیق نشان داد که روش هموارسازی نمایی دوبل دارای خطا کمتری در تمام معیارها می باشد و مدل بهتری در پیش بینی از خود نشان می دهد

مصرف برق، پیش بینی، هموارسازی نمایی دوبل، رگرسیون چند متغیره، زمستان