پيشبيني كوتاه مدت تقاضاي برق كشور با استفاده از شبكههاي عصبي و تبديل موجك

Forecasting of Short Run the Electricity Demand with Neural Networks and Wavelet Transform

آگاهي از ميزان تقاضاي انرژي برق در هر دوره، به منظور برنامه‌ريزي دقيق و اعمال سياستگذاري‌هاي لازم، امري ضروري است. از اين رو، پيش‌بيني تقاضاي آن، براي بخش‌هاي مختلف اقتصادي حايز اهميت است. در اين مقاله به مطالعه ي تطبيقي روش‌هاي غيرخطي شبكه‌هاي عصبي مصنوعي و تبديل موجك- شبكه ي عصبي و فرايند خطي ARMAدر پيش‌بيني تقاضاي روزانه برق در بازه ي زماني يك تا ده‌گام به جلو پرداخته شده است. نتايج حاصل از به كارگيري معيارهاي سنجش RMSE و MAPE نشان داد كه مدل‌هاي غيرخطي تبديل موجك و شبكه ي عصبي پيشخور، نسبت به مدل ARMA، در پيش بيني روزانه تقاضاي برق كشور از دقت بالايي برخوردار است.

Aware from electricity consumption in each period is necessary to Wright planning for main policy making. Therefore its demand forecasting is important between economic various sections. in this paper, was surveyed the comparative study of nonlinear manners of Artificial Neural Network and Wavelet Transform and liner process of ARMA in forecasting the electricity daily demand in time distance since one step to ten step ahead. The results presented the artificial neural network and wavelet transform on base of RMSE and MAPE indicators have high accuracy than ARMA in forecasting the electricity daily demand.