پیش بینی قیمت انرژی الکتریکی در بازار روز بعد با استفاده از شبکه عصبی مصنوعی تعمیم یافته و با در نظر گرفتن محدودیت سوخت رسانی

در ساختار بازار برق ایران، مدیر بازار در هر روز اطلاعات مربوط به پیش‌بینی بار شبکه را برای دو روز آینده در اختیار بازیگران بازار قرار می‌دهد و قیمت تسویه ساعتی برای روز بعد بر اساس پیشنهادهای ارسال شده تولیدکنندگان انرژی به بازار محاسبه می‌شود. بنابراین پیش‌بینی دقیق قیمت بازار روز بعد به منظور محاسبه پیشنهاد قیمت به مدیر بازار برای شرکت‌های تولیدی بسیار اهمیت دارد. در این مقاله قصد داریم تا با استفاده از شبکه عصبی مصنوعی perceptron سه لایه (لایه ورودی، لایه پنهان و لایه خروجی) مدلی برای پیش‌بینی قیمت برق در بازار روز بعد ارائه دهیم. در مدل پیشنهادشده، در کنار پارامترهایی همچون درجه حرارت، بار شبکه، روز هفته (تعطیل و یا غیر تعطیل) و قیمت تسویه بازار روزهای قبل که در مطالعات پیشین بسیار مورد مطالعه قرار گرفته‌اند، محدودیت سوخت‌رسانی به عنوان یکی دیگر از پارامترهایی تاثیرگذار بر روی قیمت در بازار برق ایران در نظر گرفته می‌شود. همچنین به منظور افزایش سرعت همگرایی و دقت مدل، روش سنتی back propagation (bp) با روش levenberg-marquardt bp (lmbp) جایگزین شده است. در پایان، دقت مدل ارائه شده با استفاده از داده‌های یک ساله نیروگاه اصفهان در سال 1399 مورد ارزیابی قرار می‌گیرد.