مقایسه روش های هموارسازی نمایی دوبل، زمستان و رگرسیون چند متغیره در پیش بینی مصرف برق در بخش صنعت کشور ایران

سال انتشار: 1400
محل انتشار: هجدهمین کنفرانس بین المللی مدیریت
کد COI اختصاصی: IAMS18_122
زبان مقاله: فارسی
تعداد مشاهده: 715

نویسندگان

افشاری کارشناسی مهندسی صنایع، دانشگاه علم و فناوری مازندران، بهشهر، ایران

استادیار مهندسی صنایع، دانشگاه علم و فناوری مازندران، بهشهر، ایران

چکیده

افزایش روزافزون جمعیت جهان و در دسترس بودن دستگاه های هوشمند پرانرژی از دلایل اصلی نگرانی مصرف بالای برق بوده است. تاکنون ابزارهای مختلف شبیه سازی، مهندسی و روش های مبتنی بر هوش مصنوعی برای انجام پیش بینی بهینه مصرف برق استفاده شده است. روش های مهندسی از معادلات پویا و روش های مبتنی بر هوش مصنوعی از داده های تاریخی برای پیش بینی استفاده می کنند. در این تحقیق، به منظور پیش بینی مصرف برق در بخش صنعت ایران، از روش های هموارسازی نمایی دوبل، زمستان و رگرسیون چند متغیره استفاده و بهترین مدل پیش بینی معرفی گردیده است. از داده های سالیانه ۱۳۴۷ تا ۱۳۸۹ که ۸۵ درصد داده ها را تشکیل می دهند به منظور طراحی مدل ها، و از داده های سال های ۱۳۹۰ تا ۱۳۹۷ جهت ارزیابی آن ها استفاده شده است. برای مقایسه این سه روش، از معیارهای MAPE، MSE و MAE استفاده شده است. نتایج این تحقیق نشان داد که روش هموارسازی نمایی دوبل دارای خطا کمتری در تمام معیارها می باشد و مدل بهتری در پیش بینی از خود نشان می دهد

کلیدواژه ها

مصرف برق، پیش بینی، هموارسازی نمایی دوبل، رگرسیون چند متغیره، زمستان

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.