ارائه یک موتور پیش بینی مبتنی بر ترکیب اطلاعات جهت پیش بینی قیمت در بازارهای برق

در بازارهای برق تجدیدساختاریافته، ییش‎بینی صحیح قیمت اهمیت فراوانی برای تمامی شرکت‌کنندگان بازار دارد. به دلیل ویژگی‌های خاص و پیچیدگی‌های سیگنال قیمت بازار، یک موتور پیش‌بینی نمی‌تواند به تنهایی تمامی الگوهای مختلف موجود در سیگنال قیمت را شناسایی و مدل نمایند. بنابراین، جهت افزایش صحت پیش بینی‌ها، این مقاله یک روش هیبرید کننده ارائه می‌دهد تا بتواند از به صورت همزمان از مزیت‌های چند موتور پیش‌بین استفاده نماید. در روش پیشنهادی سه موتور پیش‌بین مقدماتی پیش‌بینی‌هایی مستقل از قیمت بازار برق ارائه می‌دهند. سه موتور پیش‌بینی مقدماتی استفاده شده در این مقاله عبارتند از: شبکه‌های عصبی مصنوعی چند لایه، سیستم استنتاج تطبیقی فازی-عصبی (ANFIS) و روش میانگین متحرک خودگردان (ARMA). سپس یک الگوریتم ترکیب اطلاعات جدید ارائه شده است که این سه پیش‌بینی مستقل را با یکدیگر ترکیب نموده تا یک پیش‌بینی واحد از قیمت برق ارائه نماید. روش پیشنهادی از میزان خطای گذشته موتورهای پیش‌بین مقدماتی بازخورد گرفته تا میزان تاثیر آن‌ها را در پیش‌بینی نهایی تنظیم نماید. روش پیشنهادی بر روی داده‌های قیمت بازار اسپانیا اعمال شده اند تا کارایی آن ارزیابی شود. نتایج نشان می‌دهد که روش پیشنهادی می‌تواند پیش بینی‌هایی ارائه دهد که از هرکدام از پیش بینی‌های موتورهای مقدماتی بهتر است.