پیش بینی روزانه قیمت برق با روش مبتنی بر ماشین یادگیری شدید، سیستم پیش پردازش کننده و الگوریتم بهبودیافته کلونی جستجوی ویروس

نظر به اینکه سیگنال قیمت در بازار برق، نوسانات زیاد و عدم قطعیت فراوانی دارد، بر پیش بینی کوتاه مدت تاثیر زیادی می گذارد. با توجه به اینکه روش های مبتنی بر سری زمانی نمی توانند مدل های غیرخطی این چنینی را به صورت مناسب با دقت بالا تخمین بزنند، به ارائه مدل کارا نیاز است؛ به همین دلیل در این مقاله روش ترکیبی جدید چندمرحله ای برای پیش بینی روزانه قیمت برق پیشنهاد شده است. به منظور دستیابی به این الگو، ابتدا پیش بینی به سه لایه اصلی، پیش پردازش کننده، آموزش و تنظیم کننده تقسیم شده است. در لایه اول از تبدیل کرولت برای کاهش نویزهای احتمالی در سیگنال قیمت استفاده شده است. سپس با استفاده از مدل توسعه یافته انتخاب داده بر مبنای افزایش همبستگی و کاهش تکرار، داده های غیرمفید را حذف و حجم محاسبات را به صورت چشمگیری کاهش داده است. سپس داده های منظم شده وارد لایه یادگیری شده که به منظور دست یابی و استخراج بهترین الگو از داده های ورودی، ماشین یادگیری شدید توسعه یافته پیشنهاد شده است. با توجه به اینکه تنظیم پارامترهای کنترلی ماشین یادگیری پیشنهادی می تواند به حداکثر قابلیت آن در استخراج الگو غیرخطی از سیگنال قیمت منجر شود، در لایه آخر روش توسعه یافته جدیدی مبتنی بر کلونی جستجوی ویروس بر مبنای تئوری ضرایب متغیر زمانی پیشنهاد شده است. الگوریتم پیشنهادی، روش بهینه سازی جدید براساس عملکرد ویروس ها برای نابودی سلول های میزبان و نفوذ بهترین آن ها به داخل یک سلول برای تکثیر است. روش پیشنهادی بر بازارهای برق واقعی موجود، اعمال و نتایج به دست آمده براساس میزان خطای پیش بینی و معیارهای مبتنی بر خطا مقایسه شده اند. نتایج نشان می دهند روش پیشنهادی، کارایی مناسب و پذیرفتنی دارد.