چکیده:
با تشکیل بازار برق ایران در سال 1382، تولیدکنندگان انرژی با ثبت پیشنهاد قیمت خود بهصورت روزانه در سامانه مدیریت شبکه، با یکدیگر به رقابت میپردازند.در این رقابت تنها تولیدکنندگانی پیروز هستند که قیمت پیشنهادی آنها پایینتر از قیمت تسویه بازار در ساعات روز بعد باشد، ازاینرو پیشبینی 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 پیشبینی قیمت تسویه بازار در روز بعد ارائهشده است. مطابق با نتایج حاصل از پیادهسازی مدل پیشنهادی بر روی دادههای سال 1395 و 1396، هفت خوشه رقابتی برای بازار برق ایران شناساییشده، که متوسط دقت مدل پیشنهادی در پیشبینی قیمت تسویه بازار در هر یک از این خوشهها برای سالهای 1395 و 1396به ترتیب برابر با 96 و 94 درصد میباشد.
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 K-means 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 1395-1396 (2016-2017). 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.
خلاصه ماشینی:
در مدل پيشنهادي ، از الگـوريتم ماشـين بردار پشـتيبان بهبوديافتـه بـا اسـتفاده از الگـوريتم K-means جهت پيش بيني قيمت تسويه بازار در روز بعد استفاده شده است ، به گونه اي که ابتدا فضاي رقابتي بـازار برق در ايران بـه خوشـه هاي رقـابتي متفـاوت تقسـيم شـده و بـراي هـر خوشـه بـا اسـتفاده از الگـوريتم ماشـين بردار پشـتيبان ، پيش بينـي قيمـت تسـويه بـازار به صـورت مجـزا انجـام گرفتـه اسـت .
مقايسه روش هاي پيش بيني قيمت تسويه بازار (رجوع شود به تصویر صفحه) از بين مدل هاي ارائه شده ، اخيرا روش ماشين بردار پشتيبان به عنـوان يـک روش يـادگيري بـر مبنـاي کمينه سازي ريسـک سـاختاري ، موردتوجـه محققـان جهـت پيش بينـي قيمـت تسـويه بـازار قرارگرفتـه است .
در اين مدل ، به علت رفتار فصلي شديد قيمـت تسـويه بازار، ابتدا با استفاده از الگوريتم K-means خوشه بندي رقابتي به گونه اي انجام شده است کـه روزهـاي سال در خوشه هاي همسان قرارگرفته و براي پيش بيني قيمت تسويه در هـرروز، بـا اسـتفاده از الگـوريتم ماشين بردار پشتيبان ، تنها از رکوردهاي موجود در خوشه مربوط به آن روز استفاده شده اسـت .
(2006), "Day-ahead Price Forecasting of Electricity Markets by a New Fuzzy Neural Network", IEEE Transactions on Power Systems, 21(2), pp.
Dagoumas (2016), "Day-ahead Electricity Price Forecasting via the Application of Artificial Neural Network Based Models", Applied Energy, 172, pp.
Chowdhury (2014a), "Mid-term Electricity Market Clearing Price Forecasting Utilizing Hybrid Support Vector Machine and Auto-regressive Moving Average with External Input", International Journal of Electrical Power & Energy Systems, 63, pp.