عماد بنی طرفی

پیش بینی اوج مصرف روزانه برق و شناسایی عوامل تعیین کننده آن در توازن بین عرضه و تقاضای برق کمک کننده است. در این پژوهش اوج مصرف روزانه برق ایران را با رویکردهای مختلف در دوره 30/12/1395- 16/03/1401مدلسازی و پیش بینی می شود. 90 درصد مشاهدات برای ساخت مدل و مابقی برای ارزیابی مدل پیش بینی استفاده می شود. نورن های بهینه لایه های پنهان مدل شبکه عصبی(NN) بر اساس معیار حداقل خطای پیش بینی در لایه اول 11 و در لایه دوم 8 برآورد شد. نتایج نشان می دهد که فراوانی اوج اول مصرف در ساعت 11 و فراوانی اوج دوم مصرف در ساعت 21 بیشتر از بقیه ساعات است. متغیرهای تعطیلات رسمی، ساعت مصرف انرژی، تعداد مبتلایان جدید به کرونا، دما و رطوبت نسبی هوا و جمعیت در مدل رگرسیون اثر معنی دار بر اوج مصرف برق دارند. همچنین اثر متغیر تعطیلات رسمی و دمای هوا بیشتر از سایر متغیرها است. مقایسه نتایج پیش بینی اوج مصرف برق نشان می دهد که دقت پیش بینی مدل ها و رویکردهای مختلف یکسان نیست. متوسط درصد خطای پیش بینی مدل های GLM،NN و ARIMA طی 187روز(11/09/1400-16/03/1401) به ترتیب 0/0799، 0/0754 و 0/0714 است. پس مدل ARIMA با داشتن حداقل متوسط خطای پیش بینی، مدل مناسب پیش بینی اوج مصرف است.