پیش بینی مصرف برق با استفاده از الگوریتم جدید بهینه سازی زغن و شبکه عصبی مصنوعی پرسپترون چند لایه

از آنجا که پیش­بینی مصرف برق از موارد مهم مدیریت انرژی هر کشور محسوب می­شود، در سال­های اخیر روش­های مختلفی براساس هوش­مصنوعی برای آن ارائه شده است. یکی از این روش­ها، استفاده از شبکه­های عصبی مصنوعی است. برای آن که این شبکه­ها عملکرد خوبی داشته باشند، باید به خوبی آموزش ببینند. یکی از متداول­ترین الگوریتم­های آموزش مورد استفاده در این شبکه­ها، الگوریتم پس انتشار خطاست که براساس گرادیان نزولی است. از آنجا که الگوریتم­های مبتنی برگرادیان نزولی ممکن است به نقاط بهینه محلی گرفتار شوند، در برخی از مسائل راه حل خوبی ارائه نمی­دهند. از این­رو برای آموزش این شبکه­ها می­توان از الگوریتم­های بهینه­سازی مانند الگوریتم­های فراابتکاری که امکان فرار از بهینه­های محلی را دارند، استفاده نمود. در این تحقیق، الگوریتم فراابتکاری جدیدی به نام الگوریتم بهینه­سازی زغن معرفی می­گردد که از زندگی اجتماعی زغن­ها در طبیعت الهام گرفته شده است و دارای مزایایی مانند تعداد پارامترهای کم، قابلیت اکتشاف و سرعت همگرایی خوب، است. کارایی الگوریتم پیشنهادی، با چند الگوریتم جدید فراابتکاری روی توابع محک CEC۲۰۱۸ و برای آموزش شبکه عصبی در پیش­بینی مصرف برق ایران در زمان­های اوج مصرف بار، مقایسه گردیده است. نتایج حاصل، نشان می­دهد الگوریتم پیشنهادی راه حل بهتری با خطای کمتری، در مقایسه با الگوریتم­های رقیب به­دست می­آورد.

کلیدواژه ها:

الگوریتم های فراابتکاری ، الگوریتم بهینه سازی زغن ، پیش بینی مصرف برق ، شبکه های عصبی پرسپترون چندلایه