Thesis

ارائه یک مدل ترکیبی برای پیش بینی قیمت برق در بازار رقابتی ایران به کمک شبکه عصبی ، تبدیل ویولت و پیش پردازش داده ها

Abstract(in Persian; no English abstract is available)

در فضای رقابتی صنعت برق و با شکل گیری بازارهای مختلف انرژی، یکی از مسائل با اهمیت که نقش کلیدی را در برنامه ریزی شرکت های تولیدی، خریداران و بهره بردار سیستم ایفا می کند، مسأله پیش بینی قیمت برق می باشد. استراتژی پیشنهاد قیمت فروشندگان، برنامه مدیریت مصرف خریداران و برآورد بودجه شرکت ها از جمله مواردی است که نیاز مبرم به پیش بینی قیمت برق را از دیدگاه های مختلف مورد توجه قرارمی دهد. بکارگیری روشهای دقیق پیش بینی قیمت، به خصوص در کشورهایی مانند ایران که مناقصه بازار برق آنها بر اساس مناقصه پرداخت بر اساس پیشنهاد، انجام می شود؛ بسیار حائز اهمیت است. زیرا در این نوع بازار، هر بازیگر درصورت برنده شدن، بر اساس میزان قیمت پیشنهادی خود وجه دریافت می نماید و شرکت کنندگانی که پیش بینی دقیق تری داشته و استراتژی مناسب تری را بکار گیرند، سود بیشتری را نصیب خود خواهند ساخت. برای پیش بینی قیمت برق روش های مختلفی از جمله روش سری زمانی، شبیه سازی و تئوری بازی وجود دارند. در این پایان نامه با استفاده از اطلاعات بدست آمده از بازار برق ایران، مدل مناسبی برای پیش بینی قیمت به کمک روش شبکه عصبی مصنوعی و ترکیب آن با روشهای نوین پردازش سیگنال، مانند تبدیل ویولت، پیشنهاد شده است. همچنین از پیش پردازش داده ها و نرمالیزه کردن آنها برای افزایش توانایی شبکه عصبی برای پیش بینی استفاده گردیده که نتایج حاصل نشان از کارآیی روش پیشنهادی برای پیش بینی قیمت برق بازار ایران دارند.

Supervisors and advisors

سمیه حسن پور

Similar theses

Similar items

  • ارزیابی مدل های پیش بینی شاخص های بازار بورس ایران

    Articleپژوهش ها و سیاست های اقتصادیاسداله همایون، asdollah homaoun faculty of islamic azad university, marvdasht branchعضو هیأت علمی دانشگاه آزاد اسلامی مرودشت حمید محمدی، hamid mohammadi assistant professor faculty of economics, university of zabolاستادیار گروه اقتصاد کشاورزی دانشگاه زابل رسول کشتکار، rasul keshtkar faculty of islamic azad university, marvdasht branchعضو هیأت علمی دانشگاه آزاد اسلامی مرودشت

    این مطالعه با هدف شناخت الگوهای مناسب پیش بینی شاخص های عمده بازار بورس اوراق بهادار ایران شامل شاخص سودنقدی، شاخص قیمت در بازارهای فرعی، اصلی و شاخص قیمت کل صورت گرفت. براساس یافته ها متوسط خطای پیش بینی الگوهای رگرسیونی مورد استفاده در سری های شاخص سود نقدی، شاخص قیمت بازار دوم

  • مقایسه ی مدل های شبکه های عصبی مصنوعی و سری های زمانی برای پیش بینی قیمت گوشت مرغ در ایران

    Article2009پژوهشنامه اقتصاد کلانسید کمیل طیبی، کریم آذربایجانی، لیلی بیاری

    با توجه به اهمیت پیش بینی قیمت گوشت مرغ، در تحقیق حاضر قیمت این محصول با استفاده از روش ARIMA و شبکه های عصبی مصنوعی برای افق های زمانی یک ماهه، شش ماهه و دوازده ماهه پیش بینی گردید و این فرضیه که شبکه ی عصبی در پیش بینی قیمت گوشت مرغ از کارایی بیشتری نسبت به مدل های سری زمانی بر

  • پیش بینی قیمت برق در بازارهای نقد و آتی فروش برق با مدل غیرخطی

    Article2025مطالعات اقتصاد انرژیآرش جالبی، محمود خدام، حسین محمدنژاد

    7 تلقی عمومی در مورد صنعت برق و تعرفه‌های آن مبتنی بر نظام تعرفه گذاری با نرخ‌های ثابت و پله ای میباشد. این دیدگاه به دلیل عدم آگاهی نسبت به وجود بازار رقابتی در صنعت برق است . در واقع قیمت‌های برق ساختار با نرخ تعرفه گذاری ثابت ندارند. یعنی حداقل چنین نرخ گذاری برای فعاالن این ح

  • رهیافت شبکه ی عصبی مصنوعی (ann)و روش های هم جمعی (ardl و جوهانسون- جوسیلیوس) در پیش بینی قیمت گوشت مرغ در ایران

    Article2009journal of agricultural economicsکریم آذربایجانی، سیدکمیل طیبی، لیلی بیاری

    پیش بینی دقیق قیمت طیور و فرآورده های آن از طریق توجه به کاهش نوسانات باعث تخصیص بهینه ی منابع، افزایش کارایی و سرانجام افزایش درآمد مرغداران می شود. با توجه به اهمیت پیش بینی قیمت گوشت مرغ، در این تحقیق قیمت این محصول با استفاده از روش های هم جمعی ardl، جوهانسون- جوسیلیوس و روش

  • مدل سازی پیش بینی قیمت سهام با استفاده از شبکه عصبی و مقایسه آن با روشهای پیش بینی ریاضی

    Articleپژوهشنامه اقتصادی

    استفاده از روشهایی برای پیش بینی وضعیت آینده، همواره دغدغه اصلی اندیشمندان علوم مختلف بوده است. در این راه بطور طبیعی، روشهایی، قابلیت ماندگاری و کاربردی مناسب دارند که دارای کمترین خطای ممکن در پیش بینی باشند. بر این مبنا در سالهای بسیار، روشهایی ریاضی؛ اعم از میانگین ساده، میان

  • پیش بینی قیمت های نقدی گازطبیعی به کمک مدل های غیرخطی ناپارامتریک

    Articleتحقیقات مدلسازی اقتصادینرگس صالح نیا، narges salehnia #140, no.11 soroosh st., vakil abad avenue, mashhadمشهد، دانشگاه فردوسی محمد علی فلاحی، mohamad ali falahi mashhad, ferdowsi universityمشهد، دانشگاه فردوسی احمد سیفی، ahmad seifi mashhad, ferdowsi universityمشهد، دانشگاه فردوسی محمد حسین مهدوی عادلی

    پیش بینی دقیق قیمت های نقدی گاز طبیعی از اهمیت زیادی برخوردار است زیرا می تواند در تصمیم گیری های نظارتی هر دو جانب عرضه و تقاضای گاز طبیعی مفید واقع شود. لذا در این مطالعه، آزمون گاما جهت قیمت های گاز، به عنوان یک ابزار غیرخطی و ناپارامتریک استفاده شد تا بتوان بهترین ترکیب ورودی