پيش‌بيني بلندمدت تقاضا در زنجيره تامين انرژي الكتريكي صنايع سنگ آهن اسپيدان با استفاده از شبكه عصبي عميق و ماشين يادگيري شديد

صنايع سنگ آهن اسپيدان يكي از صنايع پر مصرف برق در زنجيره تامين انرژي الكتريكي استان اصفهان به عنوان دومين قطب صنعتي كشور و يكي از تامين كنندگان اصلي مواد اوليه در زنجيره تامين صنايع فولاد كشور است. برنامه‏ريزي در يك زنجيره تامين انرژي الكتريكي با ابعاد بزرگ در فضائي پر از ترديد و عدم قطعيت، با پيش‏بيني تقاضاي انرژي الكتريكي آغاز مي گردد. در اين مقاله يك روش پيش بيني بلندمدت تقاضا در زنجيره تامين انرژي الكتريكي صنايع سنگ آهن اسپيدان اصفهان با استفاده از يك روش تركيبي شامل تبديل موجك، شبكه عصبي عميق و تكنيك داده كاوي مبتني بر ماشين يادگيري شديد پيشنهاد شده است. داده هاي مورد نظر در اين مطالعه با توجه به اطلاعات ثبت شده از سيگنال تقاضاي انرژي الكتريكي صنايع توليدي سنگ آهن اسپيدان در يك بازه زماني 40 ماهه و به صورت 24 ساعته استخراج و استفاده شده است. داده ها در بخشي از دوره مورد نظر ناشي از عدم توليد اين صنعت در بازه مورد مطالعه منقطع بود به طوري كه فقط 40 درصد از داده ها داراي مقدار و 60 درصد مابقي صفر يا ناهمگون بوده اند. اين موضوع باعث نقص اطلاعات و بالا رفتن خطاي پيش بيني در بخش اول الگوريتم پيشنهادي در خروجي شبكه عصبي عميق تا 40 درصد شد. جهت بهبود پيش بيني و كاهش خطاي ايجاد شده، با تكميل مدل پيشنهادي با ماشـين يـادگيري شـديد، امكان ايجاد يـك مدل پيش بيني بهبود يافته براي انجام آموزش تحت نظارت ميسر گرديد. در نهايت نتايج به دست آمده با تكنيك هاي ديگري مانند ماشين بردار پشتيبان و درخت تصميم گيري مقايسه شده است. نتايج بهبود و كاهش خطا و افزايش قابل توجه دقت روش پيشنهادي در پيش بيني بلندمدت تقاضا در زنجيره تامين انرژي الكتريكي صنايع سنگ آهن اسپيدان را نشان مي دهند.