پیش بینی مصرف برق با استفاده از الگوریتم جدید بهینه سازی زغن و شبکه عصبی مصنوعی پرسپترون چند لایه

از آنجا که پیش بینی مصرف برق از موارد مهم مدیریت انرژی هر کشور محسوب می شود، در سال های اخیر روش های مختلفی براساس هوش مصنوعی برای آن ارایه شده است. یکی از این روش ها، استفاده از شبکه های عصبی مصنوعی است. برای آن که این شبکه ها عملکرد خوبی داشته باشند، باید به خوبی آموزش ببینند. یکی از متداول ترین الگوریتم های آموزش مورد استفاده در این شبکه ها، الگوریتم پس انتشار خطاست که براساس گرادیان نزولی است. از آنجا که الگوریتم های مبتنی برگرادیان نزولی ممکن است به نقاط بهینه محلی گرفتار شوند، در برخی از مسایل راه حل خوبی ارایه نمی دهند. از این رو برای آموزش این شبکه ها می توان از الگوریتم های بهینه سازی مانند الگوریتم های فراابتکاری که امکان فرار از بهینه های محلی را دارند، استفاده نمود. در این تحقیق، الگوریتم فراابتکاری جدیدی به نام الگوریتم بهینه سازی زغن معرفی می گردد که از زندگی اجتماعی زغن ها در طبیعت الهام گرفته شده است و دارای مزایایی مانند تعداد پارامترهای کم، قابلیت اکتشاف و سرعت همگرایی خوب، است. کارایی الگوریتم پیشنهادی، با چند الگوریتم جدید فراابتکاری روی توابع محک CEC2018 و برای آموزش شبکه عصبی در پیش بینی مصرف برق ایران در زمان های اوج مصرف بار، مقایسه گردیده است. نتایج حاصل، نشان می دهد الگوریتم پیشنهادی راه حل بهتری با خطای کمتری، در مقایسه با الگوریتم های رقیب به دست می آورد.