تحديد افضل نموذج للتنبوء باستهلاك الطاقة الكهربائية في المنطقة الجنوبية
DOI:
https://doi.org/10.33095/jeas.v22i90.518الكلمات المفتاحية:
منظومة الطاقة الكهربائية، اساليب التنبوء، نماذج الاقتصاد القياسي، اسلوب بوكس-جينكنز، نموذج الانحدار الذاتي، نموذج الاوساط المتحركة، نماذج الاريما ، اسلوب الخلية العصبية الاصطناعية.، \ Electric power system, methods of forecasting, econometric models, Box-Jenkins style, self-regression model, Arima models, Artificial neural network ANN, MLP.الملخص
المستخلص
لقد ازداد الاهتمام بموضوع التنبوء خلال السنوات الأخيرة وظهرت أساليب حديثة ومنها نماذج الشبكات العصبية Artificial Neural Networks، اذ إن هذه الأساليب قادرة على التعلم والتكيّف ذاتياً مع أي نموذج، ولا تحتاج إلى افتراضات لطبيعة السلسلة الزمنية. بالمقابل فان طرائق التنبوء الكلاسيكية المستخدمة حالياً مثل طريقة بوكس- جينكنز Box-Jenkins قد يصعب عليها تشخيص السلسلة ونمذجتها لأنها تفترض شروط صارمة. لذلك ظهرت الحاجة لمقارنة الطرائق التقليدية المستخدمة في التنبوء بالسلاسل الزمنية مع أسلوب الشبكات العصبية لإيجاد الأسلوب الأكثر كفاءة في التنبوء، وهذا يمثل الغاية من اجراء هذه الدراسة.
يسهم التنبوء المستقبلي بالطلب على الكهرباء في حل مشاكل قطاع الطاقة الكهربائية من خلال التخطيط المستقبلي لتلبية الزيادة الحاصلة في الطلب على الطاقة الكهربائية. ولقد أظهرت التجارب عدم وجود طريقة تنبوء معينة ملائمة لجميع الحالات، بل إن لكل حالة طريقة تنبوء خاصة بها يتعين البحث عنها واستخدامها. إلا أن الأخذ بأكثر من طريقة قد يؤدي إلى رفع درجة دقة التقديرات المستقبلية.
تهدف الدراسة الحالية الى تسليط الضوء على بعض الاساليب الاحصائية المستخدمة في التنبوء بالطلب المستقبلي على الطاقة الكهربائية للمنطقة الجنوبية، فضلا عن الاشارة الى اكثر الاساليب دقة في التنبوء المستقبلي للطاقة. وتم استخدام عدد من الاساليب للتنبوء مثل أسلوب نماذج الاقتصاد القياسي، اسلوب بوكس-جينكينـز وأسلوب الشبكة العصبية الاصطناعية. وخدمة لهدف الدراسة فان الفرضية التي يرتكز عليها البحث مفادها: ان نماذج الشبكات العصبية اكثر دقة من النماذج التقليدية في التنبوءات طويلة المدى. اذ تعد أكفأ وأكثر دقة من النماذج التقليدية الأخرى في التعامل مع بيانات السلاسل الزمنية غير الخطية.
لقد تم استخدام بيانات استهلاك الطاقة الكهربائية السنوية للمنطقة الجنوبية لإجراء المقارنة من خلال تطبيق البرنامج SPSSو Minitab و Matlab للتحليل الإحصائي، وتم بناء برنامج بلغة مات لاب Mat lap للشبكات العصبية ، ومن خلال التطبيق العملي وجِدَ أن الشبكات العصبية. تعطي نتائج افضل واكثر كفاءة من الطريقة الكلاسيكية.
التنزيلات
منشور
إصدار
القسم
الرخصة
Articles submitted to the journal should not have been published before in their current or substantially similar form or be under consideration for publication with another journal. Please see JEAS originality guidelines for details. Use this in conjunction with the points below about references, before submission i.e. always attribute clearly using either indented text or quote marks as well as making use of the preferred Harvard style of formatting. Authors submitting articles for publication warrant that the work is not an infringement of any existing copyright and will indemnify the publisher against any breach of such warranty. For ease of dissemination and to ensure proper policing of use, papers and contributions become the legal copyright of the publisher unless otherwise agreed.
The editor may make use of Turtitin software for checking the originality of submissions received.
