پيش بيني قيمت روزانه برق با شبكه عصبي بهبود يافته مبتني بر تبديل موجك و روش آشوبناك جستجوي گرانشي

با سمت گيري وتغيير ساختار بازار برق از بازار انحصاري دولتي به بازار رقابتي كه در آن قيمت توسط نيروهاي بازار تعيين مي شود،نياز به طراحي مدلي كارا و مناسب به گونه اي كه ريسك شركت در بازار رقابتي براي فعالان بازاربرق را در جهت افزايش سوددهي آن ها كاهش دهد، اهميت ويژه اي يافته است. براي مدل سازي و پيش بيني قيمت برق در بازار رقابتي بايد خصوصيات اين كالا از جمله عدم قابليت ذخيره سازي،كم كشش بودن و فصلي بودن تقاضارادرنظرگرفت. مدل ايجادشده درصورتي كه بتواند با ايجاد رابطه اي از داده هاي قبلي، كم­ترين خطاي پيش بيني را داشته باشد، موثرتر و كارآمدتر خواهد بود. در مدل هاي كلاسيك ارائه شده در مسئله پيش بيني قيمت برق با تنوع تعداد متغيرهاي ورودي و عـدم پيروي متغيرهـا از يك مـدل سري مشخص، خطاي ناشي از پيش بيني افزايش خواهد يافت. در اين مقاله با انگيزه دست­يابي به كم­ترين خطاي پيش بيني و برطرف كردن نواقص روش هاي قبلي، از روشي تركيبي تبديل موجك براي كم كردن نوسانات در داده هاي ورودي و به منظور افزايش دقت پيش بيني از شبكه عصبي بهبوديافته مبتني بر ساختار غيرخطي براي آموزش و يادگيري بهتر بر روي مقادير گذشته قيمت برق و استفاده از آن براي اطلاعات آينده و از ايده تركيبي جديد نظريه آشوب با فن جستجوي گرانشي سعي در يافتن بهترين وزن ها و باياس ها براي حداقل كردن مربعات خطاي پيش بيني بهره گرفته شده است. به منظور نشان دادن كارايي روش پيشنهادي در حل مسئله پيش بيني قيمت بازار برق در مقايسه با ساير روش هاي اخير انجام گرفته در اين زمينه، از داده هاي بازارهاي واقعي مانند اسپانيا و ايران استفاده شده است. نتايج نشان از دقت بالا و خطاي كم­تر در پيش بيني مي دهد. همچنين قابليت جستجوي محلي و نهايي الگوريتم هوشمند ارائه شده در تنظيم وزن ها و باياس هاي شبكه عصبي به طور قابل ملاحظه اي بهبود يافته است.