پيش‌بيني نياز مصرف فصلي شبكۀ برق ايران با استفاده از روش تركيبي رگرسيون بردار پشتيبان و الگوريتم بهينه‌سازي مگس ميوه

پيش‌بيني دقيق نياز مصرف شبكه برق ماهانه مي‌تواند در برنامه‌ريزي انرژي مؤثر باشد و مديريت صحيح‌تر مصرف برق را امكان‌پذير كند. نياز مصرف برق ماهانه نشان‌دهنده گرايش فصلي پيچيده و غيرخطي است يكي از مدل‌هايي كه به‌طور گسترده براي پيش‌بيني سري‌هاي زماني غيرخطي استفاده مي‌شود، رگرسيون بردار پشتيبان (SVR) است كه در آن بايد انتخاب پارامترهاي كليدي و تأثير تغييرات فصلي درنظر گرفته شود؛ بنابراين ضروري است پارامترهاي مدل رگرسيون بردار پشتيبان به‌صورت مناسب انتخاب شوند و گرايش‌هاي غيرخطي و فصلي داده‌هاي نياز مصرف برق تعديل شوند. روشي كه در پژوهش حاضر پيشنهاد مي‌شود، پيوندزدن مدل رگرسيون بردار پشتيبان (SVR) با الگوريتم بهينه‌سازي مگس ميوه (FOA) و تنظيم شاخص فصلي براي پيش‌بيني نياز مصرف برق ماهانه است. علاوه‌براين، به‌منظور ارزيابي جامع عملكرد پيش‌بيني مدل تركيبي، نمونه‌اي كوچك از نياز مصرف برق ماهانه ايران و نمونه بزرگي از توليد برق ماهانه ايران براي نشان‌دادن عملكرد پيش‌بيني بررسي شده است. همچنين در اين پژوهش برتري «مدل تركيبي رگرسيون بردار پشتيبان با الگوريتم بهينه‌سازي مگس ميوه با تعديل گرايش‌هاي فصلي (SFOASVR)» در مقايسه با ساير مدل‌هاي شناخته‌شده پيش‌بيني از نظر دقت پيش‌بيني و كم‌بودن خطاي پيش‌بيني بررسي شده است. براي اين منظور معيارهاي ارزيابي ريشه ميانگين مربعات خطا (RMSE) و ميانگين درصد خطاي مطلق (MAPE)، همچنين آزمون ناپارامتري ويلكاكسون صورت مي‌گيرد. براساس نتايج، مدل SFOASVR از ساير مدل‌هاي پيش‌بيني خطاي كمتري دارد و درنتيجه گزينه‌اي مناسب براي كاربردهاي پيش‌بيني نياز مصرف برق است.