بررسی مقایسه ای مدل های پیش بینی کوتاه مدت قیمت در بازار برق ایران

در ده ه­های اخیر رقابتی شدن بازار برق، مقوله قیمت را به یک عنصر اساسی در تصمیم ­گیری ­های بازیگران در چهارچوب صنعت برق تبدیل نموده است و به تبع آن بخش خصوصی به ­عنوان سرمایه ­گذار اصلی در این حوزه نیازمند پیش­ بینی قیمت­های آینده به­ منظور اتخاذ استراتژی مناسب و سازگار با روند کلی نظام بازار در راستای حفظ سهم خود از بازار و حفظ حاشیه سود می­ باشد. در چهارچوب تحلیل­ های اقتصادی، این هدف با ابزار مد­ل­ های اقتصاد سنجی محقق خواهد شد که اعتبار مدل یاد شده ناظر به کمینه­ سازی خطای پیش­بینی در تطابق الگوی پیش­بینی شده با واقعیت جاری است. پژوهش حاضر به بررسی مقایسه­ ای قدرت پیش­بینی مدل­ های مبتنی بر شبکه­ های عصبی مصنوعی، الگوریتم ژنتیک و مدل آریما در افق کوتاه­ مدت با استفاده از داده­ های ساعتی قیمت برق پرداخته است. نتایج پژوهش، حاکی از آن است که در افق کوتاه­ مدت، شبکه­ های عصبی مصنوعی، خطای کمتری نسبت به دو الگوی دیگر در پیش­ بینی داشته و الگوریتم ژنتیک در جایگاه دوم قرار دارد. همچنین، الگوهای سری زمانی دارای بیشترین خطا در پیش بینی قیمت برق، با توجه به پیش­ بینی­ های درون نمونه ­ای را دارا می­ باشد. مجموع مربعات خطا در الگوی شبکه­ عصبی مصنوعی در داده­ های آموزش، اعتبار سنجی و آزمون، به­ ترتیب برابر ۴۳/۱۴۷۳، ۶۳/۱۷۶۲ و ۳۲/۱۴۹۸، در الگوریتم ژنتیک در داده ­های آموزش و اعتبارسنجی به­ ترتیب برابر ۲۰/۱۱۳۱۸ و ۹۸/۷۰۸۵ و در الگوی سری زمانی برابر ۳۷/۳۴۶۴۴ می­باشد.   

کلیدواژه ها:

Iran electricity market ، Price forecasting ، Time series ، Neural Networks ، Genetic Algorithm ، بازار برق ، پیش بینی قیمت ، سری های زمانی ، شبکه های عصبی ، الگوریتم ژنتیک