بهبود كارايي پيش بيني تقاضاي برق با استفاده از طراحي آزمايشات تاگوچي

Improving the Efficiency of Electricity Demand Forecasting Using Taguchi Experimental Design

بهبود كارايي پيش بيني تقاضاي برق با استفاده از طراحي آزمايشات تاگوچي علي مروتي شريف آبادي استاديار دانشكده‌ي اقتصاد، مديريت و حسابداري دانشگاه يزد، alimorovati _ut@yahoo.com مهدي حاتمي منش*? كارشناس ارشد مديريت صنعتي دانشگاه يزد، mehdihatami66@yahoo.com سيد علي محمد بني فاطمه كارشناس ارشد مديريت صنعتي دانشگاه يزد، banifateme89@yahoo.com مهناز كشاورز كارشناس ارشد مديريت صنعتي دانشگاه يزد، keshavarzmah90@yahoo.com تاريخ دريافت: 25/02/92 تاريخ پذيرش: 06/11/92 چكيده يك پيش بيني خوب تقاضا، پيش نيازي ضروري به منظور مديريت يك سيستم انرژي برق است. در طول سال‌ها، تكنيك هاي پيش بيني زيادي با قابليت هاي متفاوت معرفي شده اند. هرچند عوامل مختلف موثر بر پيش بيني در تحقيقات پيشين كاوش شده اند، اما پارامترهاي قابل كنترل مربوط به داده ‌ها و برهم كنش آن‌ها كم‌تر مورد مطالعه قرار گرفته اند. بر همين اساس، اين تحقيق، روش تاگوچي را براي بررسي عوامل قابل كنترل مدل پيش بيني به كار ميبرد. به همين منظور يك آرايه ي متعامد دروني L9(34) براي عوامل قابل كنترل دوره‌ي زماني داده ها، طول افق و تعداد مشاهدات مورد نياز ايجاد شده است. در ادامه يك طراحي آزمايش انجام گرفته است تا سطوح مناسب هر عامل به دست آيد. به صورت هم زمان يك آرايه ي متعامد بيروني L4(23) به كار رفت تا پارامترهاي ذاتي روش پيش بيني (شبكه‌ي عصبي) به عنوان عوامل نويز روش تاگوچي در نظر گرفته شود. اين موارد طي يك الگوي 8 مرحله اي و به كمك دادههاي شركت توزيع برق منطقه اي شهر يزد، نشان داده است كه مدل پيشنهادي سبب بهبود كيفيت پيش بيني و كاهش هزينه هاي آن مي شود. طبقه بندي JEL: C45, C53, E17, Q41 كليد واژه: تقاضاي برق، بهبود پيش بيني، طراحي آزمايشات تاگوچي، شبكه‌ي عصبي مصنوعي

Improving the Efficiency of Electricity Demand Forecasting Using Taguchi Experimental Design Ali Morovati Sharif Abadi Assistant Professor, Faculty of Economic, Management and Accounting, Yazd University, alimorovati _ut@yahoo.com Mehdi Hatami Manesh MSc in Industrial Management, Yazd University, mehdihatami66@yahoo.com Seyed Ali Mohammad Banifatemeh MSc in Industrial Management, Yazd University, banifateme89@yahoo.com Mahnaz Keshavarz MSc in Industrial Management, Yazd University, keshavarzmah90@yahoo.com Received: 2013/05/15 Accepted: 2014/01/26 Abstract Good demand forecasting is an essential prerequisite for effective management of an electricity supply system. Over the years, many forecasting techniques of variable capabilities have been suggested. Previous studies, while exploring factors that influence the predictive power of different techniques, have not focused on control variables and their interactions. This study attempts to fill this gap by using the Taguchi method to calibrate the control variables of a forecasting model. To this end an L9(34) inner orthogonal array is constructed for the control variables of the study period, the time horizon length, and number of required observations. We then use simulations to establish the reasonable bounds for each variable. At the same time, an L4(23) outer orthogonal array is used to estimate the inherited parameters of forecasting method (Artificial neural network) as the noise factors of the Taguchi method. Through an eight step approach and using electricity data of Yazd province we demonstrate that the proposed model will improve the quality of forecasts and reduce its cost. JEL Classification: C45, C53, E17, Q ap41 Keywords: Electricity Demand, Improved Forecasting, Taguchi Experimental Design, Artificial Neural Network.