پیش بینی قیمت روزانه برق با شبکه عصبی بهبودیافته مبتنی بر تبدیل موجک و روش آشوبناک جستجوی گرانشی
نویسندگان
چکیده
چکیده:با سمتگیری وتغییرساختاربازاربرقازبازارانحصاریدولتیبهبازار رقابتیکهدرآنقیمتتوسطنیروهایبازارتعیینمیشود،نیاز به طراحی مدلی کارا و مناسب به گونه ای که ریسک شرکت در بازار رقابتی برای فعالان بازاربرق را در جهت افزایش سوددهی آن ها کاهش دهد، اهمیتویژهاییافتهاست. برای مدل سازی و پیشبینی قیمت برق در بازار رقابتی باید خصوصیات این کالا ازجملهعدمقابلیتذخیره سازی،کم کششبودن وفصلی بودنتقاضارادرنظرگرفت. مدل ایجادشده درصورتی که بتواند با ایجاد رابطهای از دادههای قبلی، کمترین خطای پیشبینی را داشته باشد، مؤثرتر و کارآمدتر خواهد بود. در مدلهای کلاسیک ارائه شده در مسئله پیش بینی قیمت برق با تنوع تعداد متغیرهای ورودی و عـدم پیروی متغیرهـا از یک مـدل سری مشخص، خطای ناشی از پیش بینی افزایش خواهد یافت. در این مقاله با انگیزه دستیابی به کمترین خطای پیشبینی و برطرف کردن نواقص روشهای قبلی، از روشی ترکیبی تبدیل موجک برای کم کردن نوسانات در دادههای ورودی و به منظور افزایش دقت پیش بینی از شبکه عصبی بهبودیافته مبتنی بر ساختار غیرخطی برای آموزش و یادگیری بهتر بر روی مقادیر گذشته قیمت برق و استفاده از آن برای اطلاعات آینده و از ایده ترکیبی جدید نظریه آشوب با فن جستجوی گرانشی سعی در یافتن بهترین وزنها و بایاسها برای حداقل کردن مربعات خطای پیشبینی بهره گرفته شده است. به منظور نشان دادن کارایی روش پیشنهادی در حل مسئله پیشبینی قیمت بازار برق در مقایسه با سایر روشهای اخیر انجام گرفته در این زمینه، از دادههای بازارهای واقعی مانند اسپانیا و ایران استفاده شده است. نتایج نشان از دقت بالا و خطای کمتر در پیش بینی میدهد. همچنین قابلیت جستجوی محلی و نهایی الگوریتم هوشمند ارائه شده در تنظیم وزنها و بایاسهای شبکه عصبی به طور قابل ملاحظه ای بهبود یافته است.
منابع مشابه
پیشبینی قیمت روزانه برق با شبکه عصبی بهبودیافته مبتنی بر تبدیل موجک و روش آشوبناک جستجوی گرانشی
چکیده:با سمتگیری وتغییرساختاربازاربرقازبازارانحصاریدولتیبهبازار رقابتیکهدرآنقیمتتوسطنیروهایبازارتعیینمیشود،نیاز به طراحی مدلی کارا و مناسب بهگونهای که ریسک شرکت در بازار رقابتی برای فعالان بازاربرق را در جهت افزایش سوددهی آنها کاهش دهد، اهمیتویژهاییافتهاست. برای مدلسازی و پیشبینی قیمت برق در بازار رقابتی باید خصوصیات این کالا ازجملهعدمقابلیتذخیرهسازی،کمکششبودن وفصلی بودنتقاضارادرنظرگر...
متن کاملپیش بینی شاخص قیمت بورس سهام با استفاده از شبکه عصبی و تبدیل موجک
شاخص بازار سرمایه به عنوان دماسنج اقتصادی هر کشور می باشد. از این رو پیش بینی این متغییر جهت اخذ دید کلی از وضعیت اقتصادی و اخذ استراتژی های سرمایه گذاری، یکی از مسائل مهم به شمار می رود. از جمله روش های پیش بینی پرکاربرد در سری های زمانی مالی، شبکه عصبی می باشد که با توجه به جامعیت این روش و عدم وجود برخی از پیش فرض ها در خصوص داده ها، گسترش زیادی نسبت به روش های آماری یافته است. اما وجود نویز...
متن کاملبررسی ترکیب تبدیل های موجک و شبکه عصبی در پیش بینی جریان های سطحی تنگه هرمز
جریانهای سطحی اقیانوسی، نقش مهمی در انتقال گرما و تغییرات آب و هوایی دارد. ازاینرو، پیشبینی جریانهای دریایی از اهمیت بسزایی در اقیانوسشناسی برخوردار است. در این پژوهش با بهکارگیری شبکهعصبی و تکنیک تبدیل موجک به پیشبینی جریانهای سطحی تنگههرمز پرداخته شده است. بدین منظور دادههای ثبتشده این حوزه از نوامبر سال 1992 تا دسامبر سال 2014 با گام زمانی 5 روزه از سایت ناسا تهیه و با بهکا...
متن کاملپیش بینی بار در بازار برق با استفاده از مدل هیبرید شبکه عصبی و الگوریتم بهبود یافته جستجوی گرانشی
در این مقاله طراحی و بهینه سازی قوانین کنترل کننده فازی در سیتم قدرت چند ماشینه با استفاده از الگوریتم جستجوی هارمونی ارائه شده است. استفاده از کنترل کننده فازی pid یکی از روش های مناسب برای پایداری در سیستم-های نامطمئن و غیر خطی می باشد. رفتار کنترل کننده های فازی به اطلاعات طراحی شامل انتخاب توابع عضویت و قوانین کنترلی بستگی دارند. در روش-های طراحی سنتی، اطلاعات طراحی مبتنی بر تجربه افراد خبر...
متن کاملمقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک
این مطالعه تلاشی است در جهت بهکارگیری ترکیب مدل شبکهی عصبی پویا و تجزیهی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیشبینی متغیر مذکور میباشد. جهت تحقق این مهم، از دادههای سریزمانی ماهانهی نرخ ارز طی بازهی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدلسازیها استفاده شده و تعداد 27 مشاهده نیز جهت شبیهسازی و یا به بیان دی...
متن کاملپیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی
In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
مجله مهندسی برق دانشگاه تبریزناشر: رئیس دانشکده مهندسی برق و کامپیوتر
ISSN
دوره 45
شماره 4 2015
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023