پيش بيني تقاضاي بلندمدت انرژي الكتريكي با استفاده از الگوريتم تركيبيِ عصبي- فازي و انبوه ذرات

Forecasting the Long Run Electricity Demand Using Hybrid PSO-ANFIS Algorithm

با توجه به عدم امكان ذخيره انرژي الكتريكي، شناسايي عوامل موثر بر تقاضاي اين حامل انرژي و پيش بيني دقيق روند آتي آن، ضرورت دارد. تاكنون روش هاي مختلفي در اين زمينه مورد استفاده قرار گرفته است كه در ميان آن ها روش هاي هوشمند و به ويژه روش هاي فازي، داراي قابليت هاي بيشتري هستند. در مطالعه حاضر از سيستم استنتاج عصبي- فازي تركيب شده با الگوريتم انبوه ذرات (PSO -ANFIS ) استفاده شده و پس ازشبيه سازي روند تقاضاي بلند مدت انرژي الكتريكي طي دوره 1359 تا 1389 و بررسي كارايي سيستم، روند تقاضاي بلندمدت انرژي الكتريكي كل كشور تا سال 1404 پيش بيني شده است. نتايج مطالعه، قدرت بالاي الگوريتم تركيبي انبوه ذرات و سيستم استنتاج عصبي- فازي تطبيقي را در پيش بيني تقاضاي بلندمدت انرژي الكتريكي تاييد مي كند. نتايج نشان مي دهد كه براساس محتمل ترين سناريو، تقاضاي انرژي الكتريكي كشور در سال 1404 به 401 ميليارد كيلووات ساعت خواهد رسيد. همچنين، براساس نتايج بدست آمده، كارايي روش پيشنهادي در پيش بيني متغيرهاي مستقل در مقايسه با الگوي خطي ARIMA بيشتر است.

Storing the electrical energy in large scale is impossible. So, it is necessary to identify the factors affecting the electricity demand. Researchers have used different methods to forecast the future demand of electricity, among them intelligent methods and fuzzy based methods are more popular. Since ANFIS structure is based on researcher’s experience about phenomenon, the created structure may not have the best result. Therefore, we used PSO-ANFIS structure. In this paper long term electricity demand is forecasted until the year 2025 by hybrid PSO-ANFIS algorithm. The results confirm the high power of the Adaptive Neural based Fuzzy Inference System in forecasting the electricity demand. Results also indicate that the forecasted electricity demand will be 401 billion KWh in 2025. The prediction performance of the proposed technique is more accurate than the ARIMA model.