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

در بازارهای برق تجدیدساختاریافته، ییش بینی صحیح قیمت اهمیت فراوانی برای تمامی شرکت کنندگان بازار دارد. به دلیل ویژگی های خاص و پیچیدگی های سیگنال قیمت بازار، یک موتور پیش بینی نمی تواند به تنهایی تمامی الگوهای مختلف موجود در سیگنال قیمت را شناسایی و مدل نمایند. بنابراین، جهت افزایش صحت پیش بینی ها، این مقاله یک روش هیبرید کننده ارائه می دهد تا بتواند از به صورت همزمان از مزیت های چند موتور پیش بین استفاده نماید. در روش پیشنهادی سه موتور پیش بین مقدماتی پیش بینی هایی مستقل از قیمت بازار برق ارائه می دهند. سه موتور پیش بینی مقدماتی استفاده شده در این مقاله عبارتند از: شبکه های 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 پیش بینی مستقل را با یکدیگر ترکیب نموده تا یک پیش بینی واحد از قیمت برق ارائه نماید. روش پیشنهادی از میزان خطای گذشته موتورهای پیش بین مقدماتی بازخورد گرفته تا میزان تاثیر آن ها را در پیش بینی نهایی تنظیم نماید. روش پیشنهادی بر روی داده های قیمت بازار اسپانیا اعمال شده اند تا کارایی آن ارزیابی شود. نتایج نشان می دهد که روش پیشنهادی می تواند پیش بینی هایی ارائه دهد که از هرکدام از پیش بینی های موتورهای مقدماتی بهتر است.