پیش بینی قیمت روزانه برق با شبکه عصبی بهبود یافته مبتنی بر تبدیل موجک و روش آشوبناک جستجوی گرانشی

با سمت گیری و تغییر ساختار بازار برق از بازار انحصاری دولتی به بازار رقابتی که در آن قیمت توسط نیروهای بازار تعیین می شود، نیاز بهطراحی مدلی کارا و مناسب به گونه ای که ریسک شرکت در بازار رقابتی برای فعالان بازار برق را در جهت افزایش سود دهی آنها کاهش دهد،اهمیت ویژه ای یافته است. برای مدلسازی و پیش بینی قیمت برق در بازار رقابتی باید خصوصیات این کالا ازجمله عدم قابلیت ذخیزه هسازی،کم کشش بودن و فصلی بودن تقاضا را در نظر گرفت. مدل ایجادشده درصورتیکه بتواند با ایجاد رابطه ای از داده های قبلی، کم ترین خطایپیش بینی را داشته باشد، موثرتر و کارآمدتر خواهد بود. در مدل های کلاسیک ارایه شده در مسیله پیش بینی قیمت برق با تنوع تعداد متغیرهایورودی و عدم پیروی متغیرها از یک مدل سری مشخص، خطای ناشی از پیش بینی افزایش خواهد یافت. در این مقاله با انگیزه دست یابی بهکمترین خطای پیش بینی و برطرف کردن نواقص روش های قبلی، از روشی ترکیبی تبدیل موجک برای کم کردن نوسانات در داده های ورودی وبه منظور افزایش دقت پیش بینی از شبکه عصبی بهبود یافته مبتنی بر ساختار غیرخطی برای آموزش و یادگیری بهتر بر روی مقادیر گذشته قیمتبرق و استفاده از آن برای اطلاعات آینده و از ایده ترکیبی جدید نظریه آشوب با فن جستجوی گرانشی سعی در یافتن بهترین وزن ها و بایاس هابرای حداقل کردن مربعات خطای پیش بینی بهره گرفته شده است. به منظور نشان دادن کارایی روش پیشنهادی در حل مسیله پیش بینی قیمتبازار برق در مقایسه با سایر روش های اخیر انجام گرفته در این زمینه، از داده های بازارهای واقعی مانند اسپانیا و ایران استفاده شده است. نتایجنشان از دقت بالا و خطای کمتر در پیش بینی می دهد. همچنین قابلیت جستجوی محلی و نهایی الگوریتم هوشمند ارایه شده در تنظیم وزن ها وبایاس های شبکه عصبی به طور قابل ملاحظه ای بهبود یافته است.

Keywords:

پیش بینی قیمت , الگوریتم بهبود جستجوی گرانشی , تبدیل موجک , نظریه آشوب