Iranian Journal of Energy

fa بررسی مقایسه ای مدل های پیش بینی کوتاه مدت قیمت در بازار برق ایران Comparative Analysis of Short-Term Price Forecasting Models: Iran Electricity Market بازار برق، تغيير ساختار و خصوصی سازی Restructure , Privatization and Power Marketing پژوهشي Research 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.<br> 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.    As the electricity industry has changed and became more competitive, the electricity price forecasting has become more important. Investors need to estimate future prices in order to take proper strategy to maintain their market share and to maximize their profits. In the economic paradigm, this goal is pursued using econometric models. The validity of these models is judged by their forecasting errors. This paper is an effort to compare the forecasting power of Artificial Neural Network (ANN), Genetic Algorithm (GA) and ARIMA models for hourly electricity prices in Iran electricity market. According to the results, ANNs has the best forecasting performance followed by GA in the second place and ARIMA model in the third place. بازار برق, پیش بینی قیمت, سری های زمانی, شبکه های عصبی, الگوریتم ژنتیک Iran electricity market, Price forecasting, Time series, Neural Networks, Genetic Algorithm 121 144 http://necjournals.ir/browse.php?a_code=A-10-2080-1&slc_lang=fa&sid=1 Davood Manzoor داود منظور manzoor@isu.ac.ir 10031947532846004886 10031947532846004886 Yes Imam Sadiq University دانشگاه امام صادق (ع) Mahdi Ghaemi-Asl مهدی قائمی اصل m.ghaemi84@yahoo.com 10031947532846004887 10031947532846004887 No Kharazmi University دانشگاه خوارزمی Ahmad Norouzi احمد نوروزی norouzi.ahm@gmail.com 10031947532846004888 10031947532846004888 No Imam Sadiq University دانشگاه امام صادق (ع)