پیش بینی کوتاه مدت تقاضای فصلی الکتریسیته با استفاده از مدل های ترکیبی هوشمند نرم
روش های پیش بینی از کارآمدترین ابزارهای موجود به منظور اتخاذ تصمیمات مدیریتی در حوزه های مختلف علوم هستند. دقت پیش بینی ها یکی از مهم ترین عامل های موثر بر کیفیت تصمیمات اتخاذی است که رابطه ی مستقیمی با کیفیت این تصمیمات دارند. پیش بینی تقاضای الکتریسته یکی از چالش برانگیزترین حوزه های پیش بینی است. مشخصه ی منحصربه فرد الکتریسته، که پیش بینی را در مقایسه با سایر کالاهای تولیدی دشوارتر می سازد، عدم امکان ذخیره سازی آن به منظور مصرف در آینده است. این موضوع سبب ایجاد سطح بالایی از ابهام در داده های مرتبط با این گونه از بازارها می شود. ابزارهای هوش محاسباتی و محاسبات نرم از جمله دقیق ترین روش های حال حاضر به منظور مدل سازی عدم قطعیت موجود در داده ها هستند. در این مقاله، با ترکیب روش های مذکور، یک روش هوشمند نرم به منظور پیش بینی الکتریسیته ارائه شده است. ایده ی اصلی مدل استفاده ی هم زمان از مزایای ابزارهای هوش محاسباتی و محاسبات نرم در مدل سازی سیستم های پیچیده است. نتایج نشان دهنده ی دقت بالاتر روش پیشنهادی نسبت به سایر مدل هاست.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.