شماره ركورد :
1115550
عنوان مقاله :
بررسي مقايسه اي مدل هاي پيش بيني كوتاه مدت قيمت در بازار برق ايران
عنوان به زبان ديگر :
Comparative Analysis of Short-Term Price Forecasting Models: Iran Electricity Market
پديد آورندگان :
منظور، داود دانشگاه امام صادق (ع) - دانشكده اقتصاد , قائمي اصل، مهدي دانشگاه خوارزمي - دانشكده اقتصاد , نوروزي، احمد دانشگاه امام صادق (ع)
تعداد صفحه :
24
از صفحه :
121
تا صفحه :
144
كليدواژه :
بازار برق , پيش بيني قيمت , سري هاي زماني , شبكه هاي عصبي , الگوريتم ژنتيك
چكيده فارسي :
در دهه ­هاي اخير رقابتي شدن بازار برق، مقوله قيمت را به يك عنصر اساسي در تصميم ­گيري ­هاي بازيگران در چهارچوب صنعت برق تبديل نموده است و به تبع آن بخش خصوصي به ­عنوان سرمايه ­گذار اصلي در اين حوزه نيازمند پيش­ بيني قيمت­ هاي آينده به­ منظور اتخاذ استراتژي مناسب و سازگار با روند كلي نظام بازار در راستاي حفظ سهم خود از بازار و حفظ حاشيه سود مي­ باشد. در چهارچوب تحليل­ هاي اقتصادي، اين هدف با ابزار مد­ل­ هاي اقتصاد سنجي محقق خواهد شد كه اعتبار مدل ياد شده ناظر به كمينه­ سازي خطاي پيش­بيني در تطابق الگوي پيش­بيني شده با واقعيت جاري است. پژوهش حاضر به بررسي مقايسه­ اي قدرت پيش­بيني مدل­ هاي مبتني بر شبكه­ هاي عصبي مصنوعي، الگوريتم ژنتيك و مدل آريما در افق كوتاه­ مدت با استفاده از داده­ هاي ساعتي قيمت برق پرداخته است. نتايج پژوهش، حاكي از آن است كه در افق كوتاه­ مدت، شبكه­ هاي عصبي مصنوعي، خطاي كمتري نسبت به دو الگوي ديگر در پيش­ بيني داشته و الگوريتم ژنتيك در جايگاه دوم قرار دارد. همچنين، الگوهاي سري زماني داراي بيشترين خطا در پيش بيني قيمت برق، با توجه به پيش­ بيني­ هاي درون نمونه ­اي را دارا مي­ باشد. مجموع مربعات خطا در الگوي شبكه­ عصبي مصنوعي در داده­ هاي آموزش، اعتبار سنجي و آزمون، به­ ترتيب برابر 1473/43، 1762/63 و 1498/32، در الگوريتم ژنتيك در داده ­هاي آموزش و اعتبارسنجي به­ ترتيب برابر 11318/20 و 7085/98 و در الگوي سري زماني برابر 34644/37 مي ­باشد.
چكيده لاتين :
As the electricity industry has changed and became more competitive, the electricity price forecasting has become more important. Investors need to estimate future prices in order to take proper strategy to maintain their market share and to maximize their profits. In the economic paradigm, this goal is pursued using econometric models. The validity of these models is judged by their forecasting errors. This paper is an effort to compare the forecasting power of Artificial Neural Network (ANN), Genetic Algorithm (GA) and ARIMA models for hourly electricity prices in Iran electricity market. According to the results, ANNs has the best forecasting performance followed by GA in the second place and ARIMA model in the third place.
سال انتشار :
1397
عنوان نشريه :
انرژي ايران
فايل PDF :
7746020
لينک به اين مدرک :
بازگشت