پیشبینی کوتاه مدت، میان مدت و بلندمدت پیک مصرف برق در تهران به کمک روشهای یادگیری ماشین

پیشبینی مصرف برق در سالهای اخیر همواره یکی از چالشهای مدیریت برق در ایران بوده است. این چالش، به ویژه در تابستان، اهمیت بیشتری پیدا میکند؛ زیرا باعث قطعی برق در صنایع و منازل میشود. به همین دلیل، پیشبینی این متغیر در مدیریت عرضه برق بسیار حائز اهمیت است. همچنین، پیشبینی بلندمدت مصرف برق، اهمیت زیادی از منظر برنامه ریزی در تولید و تنظیم واردات یا صادرات انرژی دارد. با توجه به اینکه پیشبینی در افقهای زمانی مختلف میتواند به مدیریت عرضه برق در بخشهای مختلف یک کشور نیز کمک کند، در این پژوهش، با جمع آوری متغیرهای تاثیرگذار بر مصرف برق، مجموعه داده ای فراهم شده است تا با استفاده از مدلهای یادگیری ماشین، پیک مصرف برق در تهران در سه بازه زمانی کوتاه مدت، میانمدت و بلندمدت پیشبینی شود. بدین منظور از مدلهای مختلف مانند رگرسیون خطی، رگرسیون سهتیغی و رگرسیون لاسو، جنگل تصادفی و تقویت گرادیان استفاده میشود. نتایج این پژوهش، علاوه بر ارائه بهترین مدل پیشبینی مصرف برق، نشان میدهد که روشهای یادگیری ماشین و همچنین متغیرهای تاثیرگذار بر پیشبینی مصرف، در افقهای زمانی مختلف، دارای مزایای متفاوتی هستند که باید با توجه به هدف مورد بررسی، به آنها توجه شود.

کلیدواژه ها:

پیشبینی ، یادگیریماشین ، جنگل تصادفی ، رگرسیون خطی ، رگرسیون لسو ، مصرف برق