پیش‌بینی قیمت روزانه برق با شبکه عصبی بهبودیافته مبتنی بر تبدیل موجک و روش آشوبناک جستجوی گرانشی

با سمت‎گیری وتغییرساختاربازاربرق ازبازارانحصاری دولتی به بازار رقابتی که در آن قیمت توسط نیروهای بازار تعیین می‎شود، نیاز به طراحی مدلی کارا و مناسب به‌گونه‌ای که ریسک شرکت در بازار رقابتی برای فعالان بازاربرق را در جهت افزایش سوددهی آن‌ها کاهش دهد، اهمیت ویژه‎ای یافته است. برای مدل‌سازی و پیش‎بینی قیمت برق در بازار رقابتی باید خصوصیات این کالا ازجمله عدم قابلیت ذخیره‌سازی،کم‌کشش بودن وفصلی بودن تقاضارادرنظرگرفت. مدل ایجادشده درصورتی‌که بتواند با ایجاد رابطه‎ای از داده‎های قبلی، کم ترین خطای پیش‎بینی را داشته باشد، موثرتر و کارآمدتر خواهد بود. در مدل‎های کلاسیک ارائه‌شده در مسئله پیش‌بینی قیمت برق با تنوع تعداد متغیرهای ورودی و عـدم پیروی متغیرهـا از یک مـدل سری مشخص، خطای ناشی از پیش‌بینی افزایش خواهد یافت. در این مقاله با انگیزه دست یابی به کم ترین خطای پیش‎بینی و برطرف کردن نواقص روش‎های قبلی، از روشی ترکیبی تبدیل موجک برای کم کردن نوسانات در داده‎های ورودی و به‌منظور افزایش دقت پیش‌بینی از شبکه عصبی بهبودیافته مبتنی بر ساختار غیرخطی برای آموزش و یادگیری بهتر بر روی مقادیر گذشته قیمت برق و استفاده از آن برای اطلاعات آینده و از ایده ترکیبی جدید نظریه آشوب با فن جستجوی گرانشی سعی در یافتن بهترین وزن‎ها و بایاس‎ها برای حداقل کردن مربعات خطای پیش‎بینی بهره گرفته ‌شده است. به‌منظور نشان دادن کارایی روش پیشنهادی در حل مسئله پیش‎بینی قیمت بازار برق در مقایسه با سایر روش‎های اخیر انجام‌گرفته در این زمینه، از داده‎های بازارهای واقعی مانند اسپانیا و ایران استفاده‌ شده است.  نتایج نشان از دقت بالا و خطای کم تر در پیش‌بینی می‎دهد. همچنین قابلیت جستجوی محلی و نهایی الگوریتم هوشمند ارائه‌شده در تنظیم وزن‎ها و بایاس‎های شبکه عصبی به‌طور قابل‌ملاحظه‌ای بهبود یافته است.