تقویت مدلAR در پیش بینی کوتاه مدت قیمت با کمک شبکه عصبی

بدست آوردن سود حداکثر در بازار برق هدف یک تولی دکننده عمده است. بدین منظور بایستی قیم تدهی واحدبه گون های صورت گیرد تا این امر محقق شود. قیمت بالاتر ازحد پذیرش بازار ممکن است منجر به حذف واحد از فرآیند تولید شود و قیمت کم نمی تواند هزین ههای مربوط به تولید راپوشش دهد. در این حالت است که اطلاع از مقدار قیمت میتواند واحد را در یافتن استراتژی بهینه قیمت دهی راهنمایی کند. بدین منظور شیو ههای پی شبینی که تا به امروز در دیگر عرصه های اقتصاد بکار می رفته، برای یافتن قیم تهای برق دربازا رهای آتی مورد استفاده قرار گرفته است. با این حال بدلیل وجود برخی خواص ویژه در بازار برق، نوسانات و تغییرات شدید آن، موجب شده است تا خطای پی شبینی برای آن بالاباشد. تلاش برای بهبود این نتایج در مقالات متعدد صورت گرفته است و در این تحقیق نیز سعی شده تا با کمک تبدیلات آماری وترکیب سری های زمانی و شبکه های عصبی دقت پیش بین یها افزایش یابد. با کمک این شیوه، پی ش بینی قیمت در بازارهای استرالیا و ایران انجام شده و نتایج پی شبینی از مدل سری زمانیAR و شبک ه عصبی با مدل ترکیبی مقایسه شده است.

کلیدواژه ها:

پی شبینی قیمت ، سری زمانی ، تبدیل باکس کاکس ، شبکه عصبی