ارایه یک مدل ترکیبی در پیش بینی بار در بازار برق تجدیدساختار یافته
چکیده
با سمتگیری و تغییر ساختار بازار برق از بازار انحصاری دولتی به بازار رقابتی که در آن میزان تقاضا توسط نیروهای بازار تعیین میشود، نیاز به طراحی مدلی کارا و مناسب به گونهای که ریسک شرکت در بازار رقابتی برای فعالان بازار برق را در جهت افزایش سودهی آنها کاهش دهد، اهمیت ویژهای یافته است. برای مدلسازی و پیش‌بینی بار در بازار رقابتی باید خصوصیات این کالا از جمله فصلی بودن تقاضا را در نظر گرفت. مدل ایجاد شده در صورتی که بتواند با ایجاد رابطهای از دادههای قبلی، کمترین خطای پیش‌بینی را داشته باشد، موثرتر و کارآمدتر خواهد بود. در مدلهای کلاسیک ارایه شده در مساله پیش بینی بار در بازار برق با تنوع تعداد متغیرهای ورودی و عدم پیروی متغیرها از یک مدل سری مشخص، خطای ناشی از پیش بینی افزایش خواهد یافت. در این مقاله با انگیزه دستیابی به کمترین خطای پیش‌بینی و برطرف کردن نواقص روشهای قبلی، از روشی ترکیبی شبکه عصبی بهبود یافته مبتنی بر ساختار غیر خطی برای آموزش و یادگیری بهتر بر روی مقادیر گذشته بار و استفاده از آن برای اطلاعات آینده و از ایده ترکیبی کلونی مصنوعی زنبور عسل در یافتن بهترین وزنها و بایاسها برای حداقل کردن مربعات خطای پیش‌بینی بهره گرفته شده است. همچنین به منظور مرتبسازی دادهها و در نظر گرفتن عدم قطعیت در انتخاب بهترین دادهها از روش پیشنهادی انتخاباتی با در نظر گرفتن معیار آنتروپی بهره گرفته شده است. به منظور نشان دادن کارایی روش پیشنهادی در حل مساله پیش‌بینی بار در بازار برق در مقایسه با سایر روشهای اخیر انجام گرفته در این زمینه، از بازار واقعی موجود نیوانگلند استفاده شده است. نتایج نشان از دقت بالا و خطای کمتر در پیش بینی میدهد. همچنین الگوریتم هوشمند ارایه شده قابلیت جستجوی محلی و نهایی آن به طور قابل ملاحظهای بهبود یافته است.