مدل سازی و پیش بینی مصرف کوتاه مدت برق کشور با استفاده از شبکه عصبی بازگشتی و الگوریتم بهینه سازی TPE

نقش واسطه ای برق برای صنایع مختلف و ارتباط آن با رفاه جامعه، باعث افزایش اهمیت آن شده است، به طوری که اطلاع از مقدار تقاضای این انرژی، در هدایت کشور به سمت توسعه از اهمیت به سزایی برخوردار است. در چند سال اخیر به دلیل توسعه مدل های یادگیری عمیق و افزایش دقت این گونه مدل ها، استفاده از آنها رواج پیدا- کرده است. در مسئله مدل سازی و پیش بینی مصرف برق، استفاده از متغیر های تاثیرگذار بسیار مهم بوده و باعث افزایش دقت پیش بینی خواهد شد. از این رو در پژوهش حاضر، از متغیر های تاثیرگذاری چون: تولید ناخالص داخلی بدون نفت، میانگین دمای کشور، روز های تعطیل و روند مصرف برق، با به کارگیری الگوریتم بهینه سازی TPE  برای بهینه سازی مدل LSTM  استفاده شده است. برای مقایسه نتایج، مدل دیگری طراحی شده که فاقد دو متغیر تولید ناخالص داخلی و روز های تعطیل می باشد و همچنین با الگوریتم TPE، بهینه شده است. نتایج حاصل از این تحقیق نشان می دهد که مدل دارای متغیرهای: تولید ناخالص داخلی بدون نفت و روزهای تعطیل نسبت به مدل فاقد این دو متغیر، از دقت بالاتری برخوردار است.