پیش بینی قیمت روزانه برق با شبکه عصبی بهبود یافته مبتنی بر تبدیل موجک و روش آشوبناک جستجوی گرانشی

با سمت گیری وتغییر ساختار بازار برق از بازار انحصاری دولتی به بازار رقابتی که در آن قیمت توسط نیروهای بازار تعیین می شود،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، اهمیت ویژه ای یافته است. برای مدل سازی و پیش بینی قیمت برق در بازار رقابتی باید خصوصیات این کالا از جمله عدم قابلیت ذخیره سازی،کم کشش بودن و فصلی بودن تقاضارادرنظرگرفت. مدل ایجادشده درصورتی که بتواند با ایجاد رابطه ای از داده های قبلی، کم ترین خطای پیش بینی را داشته باشد، موثرتر و کارآمدتر خواهد بود. در مدل های کلاسیک ارائه شده در مسئله پیش بینی قیمت برق با تنوع تعداد متغیرهای ورودی و عدم پیروی متغیرها از یک مدل سری مشخص، خطای ناشی از پیش بینی افزایش خواهد یافت. در این مقاله با انگیزه دست یابی به کم ترین خطای پیش بینی و برطرف کردن نواقص روش های قبلی، از روشی ترکیبی تبدیل موجک برای کم کردن نوسانات در داده های 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 وزن ها و بایاس ها برای حداقل کردن مربعات خطای پیش بینی بهره گرفته شده است. به منظور نشان دادن کارایی روش پیشنهادی در حل مسئله پیش بینی قیمت بازار برق در مقایسه با سایر روش های اخیر انجام گرفته در این زمینه، از داده های بازارهای واقعی مانند اسپانیا و ایران استفاده شده است. نتایج نشان از دقت بالا و خطای کم تر در پیش بینی می دهد. همچنین قابلیت جستجوی محلی و نهایی الگوریتم هوشمند ارائه شده در تنظیم وزن ها و بایاس های شبکه عصبی به طور قابل ملاحظه ای بهبود یافته است.