یک روش ترکیبی برای پیش بینی احتمالاتی میان-مدت قیمت برق با استفاده از یادگیری عمیق

با تجدید ‏ساختار در سیستم‏های قدرت، پیش‏بینی قیمت برق برای مدیریت بازار برق بسیار مهم شده است و نقش کلیدی در عملیات در بازار برق و شبکه‏های هوشمند ایفا می‏کند. در این مقاله یک روش ترکیبی برای پیش‏بینی احتمالاتی قیمت برق پیشنهاد می‏شود. در این روش ماتریس ویژگی‏ها با استفاده از روش تحلیل اجزای همسایگی استخراج می‏شود و از مجموعه‏های هدف که شامل مقادیر مشاهده شده قیمت برق است، بخش ثابت یا به عبارتی بخش فصلی آن جدا می‏شود. پس از آماده شدن داده‏های آموزش، این مجموعه به دو زیرمجموعه‏ آموزش و اعتبارسنجی تقسیم می‏شود. پس از آن با استفاده از شبکه حافظه کوتاه-مدت بلند با سه لایه مخفی و با استفاده از روش آموزش ترتیبی مدل پیش‏بینی آموزش داده می‏شود و در دو مرحله آموزش و اعتبارسنجی مورد آزمایش قرار می‏گیرد. نتایج به دست آمده نشان می‏دهد روش ترکیبی پیشنهادی در این مقاله موجب کاهش خطای پیش‏بینی‏های نقطه‏ای می‏شود. بهترین نتیجه به دست آمده مربوط به مدل Winsorized  با میانگین مطلق درصد خطا برابر با 2009/9 است که کاهش خطا به میزان 633/9 درصد نسبت به روش ارایه شده جهت مقایسه را نشان می‏دهد. نتایج به دست آمده نشان می‏دهد روش پیشنهادی برای پیش‏بینی قیمت برق روش کارامدی است و می‏توان از آن برای پیش‏بینی میان-مدت قیمت برق بهره گرفت.