:: دوره 21، شماره 2 - ( 4-1397 ) ::
جلد 21 شماره 2 صفحات 144-121 برگشت به فهرست نسخه ها
بررسی مقایسه ای مدل های پیش بینی کوتاه مدت قیمت در بازار برق ایران
داود منظور* ، مهدی قائمی اصل ، احمد نوروزی
دانشگاه امام صادق (ع) ، manzoor@isu.ac.ir
چکیده:   (3128 مشاهده)
در ده ه­های اخیر رقابتی شدن بازار برق، مقوله قیمت را به یک عنصر اساسی در تصمیم ­گیری ­های بازیگران در چهارچوب صنعت برق تبدیل نموده است و به تبع آن بخش خصوصی به ­عنوان سرمایه ­گذار اصلی در این حوزه نیازمند پیش­ بینی قیمت­های آینده به­ منظور اتخاذ استراتژی مناسب و سازگار با روند کلی نظام بازار در راستای حفظ سهم خود از بازار و حفظ حاشیه سود می­ باشد. در چهارچوب تحلیل­ های اقتصادی، این هدف با ابزار مد­ل­ های اقتصاد سنجی محقق خواهد شد که اعتبار مدل یاد شده ناظر به کمینه­ سازی خطای پیش­بینی در تطابق الگوی پیش­بینی شده با واقعیت جاری است.
پژوهش حاضر به بررسی مقایسه­ ای قدرت پیش­بینی مدل­ های مبتنی بر شبکه­ های عصبی مصنوعی، الگوریتم ژنتیک و مدل آریما در افق کوتاه­ مدت با استفاده از داده­ های ساعتی قیمت برق پرداخته است. نتایج پژوهش، حاکی از آن است که در افق کوتاه­ مدت، شبکه­ های عصبی مصنوعی، خطای کمتری نسبت به دو الگوی دیگر در پیش­ بینی داشته و الگوریتم ژنتیک در جایگاه دوم قرار دارد. همچنین، الگوهای سری زمانی دارای بیشترین خطا در پیش بینی قیمت برق، با توجه به پیش­ بینی­ های درون نمونه ­ای را دارا می­ باشد. مجموع مربعات خطا در الگوی شبکه­ عصبی مصنوعی در داده­ های آموزش، اعتبار سنجی و آزمون، به­ ترتیب برابر 43/1473، 63/1762 و 32/1498، در الگوریتم ژنتیک در داده ­های آموزش و اعتبارسنجی به­ ترتیب برابر 20/11318 و 98/7085 و در الگوی سری زمانی برابر 37/34644 می­باشد.   
واژه‌های کلیدی: بازار برق، پیش بینی قیمت، سری های زمانی، شبکه های عصبی، الگوریتم ژنتیک
متن کامل [PDF 1926 kb]   (661 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: بازار برق، تغيير ساختار و خصوصی سازی
دریافت: 1398/1/30 | پذیرش: 1398/4/21 | انتشار: 1398/4/21


XML   English Abstract   Print



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 21، شماره 2 - ( 4-1397 ) برگشت به فهرست نسخه ها