پیش بینی بار الکتریکی با بکارگیری مدل های ترکیبی پرسپترون های چندلایه و خودرگرسیون میانگین متحرک انباشته فصلی

امروزه صرفه جویی در زمان و اقتصاد یک کشور نیازمند برنامه ریزی، تصمیم گیری و پیش بینی های درست و منطقی در حوزه های مختلف می باشد. یکی از این حوزه های مطرح در هر کشور، پیش بینی بار الکتریکی می باشد. این کالا (الکتریسیته) با توجه به اینکه قابل ذخیره سازی نمی باشد، پیش بینی آن با حساسیت بالاتری انجام می گیرد. همچنین علاوه بر غیرقابل ذخیره بودن، در مصرف این کالا الگوهای مختلفی دیده می شود که مدل سازی آن را با روش های کلاسیک دشوار می سازد. بنابراین نیاز به روشی است که بتواند الگوهای موجود در داده های مرتبط با این بازار را مدل سازی نماید. در این مقاله از یک روش ترکیبی موازی که مدل های کلاسیک خطی را با مدل های هوش محاسباتی ترکیب می کند، استفاده گردیده است. ایده اصلی مدل پیشنهادی، استفاده همزمان از مدل های مذکور در مدل سازی خطی و غیرخطی ای که با الگوهای فصلی همراهند، می باشد. همچنین نتایج نشان می دهد که در این روش به دلیل استفاده از یک روش وزن دهی مستقیم، هزینه محاسباتی مدل سازی آن به صورت قابل توجهی از سایر روش های ترکیبی موازی پایین تر می باشد.

کلیدواژه ها:

: مدل های ترکیبی ، پیش بینی سری های زمانی فصلی ، بار الکتریکی ، پرسپترون های چندلایه ، خودرگرسیون میانگین متحرک انباشته فصلی