پیش بینی قیمت تسویه در بازار برق: الگوریتم ماشین بردار پشتیبان بهبودیافته

با تشکیل بازار برق ایران در سال 1382، تولیدکنندگان انرژی با ثبت پیشنهاد قیمت خود به صورت روزانه در سامانه مدیریت شبکه، با یکدیگر به رقابت می پردازند.در این رقابت تنها تولیدکنندگانی پیروز هستند که قیمت پیشنهادی آن ها پایین تر از قیمت تسویه بازار در ساعات روز بعد باشد، ازاین رو پیش بینی قیمت تسویه بازار در روز بعد برای تولیدکنندگان انرژی امری حیاتی بوده و در کسب هر چه بیشتر سهم بازار برق ایران به صورت روزانه توسط آنها تاثیرگذار است. در این مطالعه با ترکیب الگوریتم k-means و ماشین بردار پشتیبان، مدل جدیدی جهت پیش بینی قیمت تسویه بازار در روز بعد ارائه شده است. مطابق با نتایج حاصل از پیاده سازی مدل پیشنهادی بر روی داده های سال 1395 و 1396، هفت خوشه رقابتی برای بازار برق ایران شناسایی شده، که متوسط دقت مدل پیشنهادی در پیش بینی قیمت تسویه بازار در هر یک از این خوشه ها برای سال های 1395 و 1396به ترتیب برابر با 96 و 94 درصد می باشد.

Prediction Model for Iran's Electricity Market Clearing Pricees: Improved SVM Algorithm

Since the formation of the Iranian electricity market in 1382 (2003), power plants have been competing with each other on a daily basis in the ISO by registering their bid prices. In this competition, the winners are those power plants whose bid prices are lower than the market clearing price for each hour in the next day, so the forecasting the next day market prices is vital for energy producers. In this study, using a combination of Kmeans algorithm and support vector machine, a new model for predicting the next day market settlement prices is proposed and the model has been used the hourly electricity market prices for 13951396 (20162017). According to the results, seven competitive clusters were identified for the Iranian electricity market. The average forecasting accuracy of the proposed model for each of these clusters for the years 1395 (2016) and 1396 (2017) was 96% and 94%, repectively.