حسین شایقی - دانشکده فنی دانشگاه محقق اردبیلی
عظیم سلیمی نیای لاهیجی - دانشکده فنی دانشگاه محقق اردبیلی
حیدرعلی شایانفر - دانشکده برق دانشگاه علم وصنعت ایران

تحلیل کلی بازارهای برق نشان می دهد کـه توسـعه و بهبـود راهکارهای پیشبینی قیمت انرژی الکتریکی نقش حیاتی را در افزایش سود تولیدکننـدگان و بـالا بـردن بهـره وری مصـرف - نندگان ایفاء می نماید . از طرفی پیش بینی بلنـد مـدت قیمـت تسویه بازار در برنامه ریزی سیستم قدرت به عنوان ضـروری - ترین و اساسی ترین نیاز برای هرگونه تصمیم گیـری در بـازار ، از جمله در برنامه ریـزی توسـعه تولیـد ) GEP ) 1 کـه بـا آغـاز تجدید ساختار عدم قطعیت های زیـادی را بـه همـراه دارد از اهمیت ویژهای برخوردار است . در این مقاله استفاده از شـبکه عصبی بهبود یافته با مکانیزم پس انتشار خطا بـرای پـیش بینـی بلندمدت قیمت تسویه بازار پیشنهاده شده است . شبکه عصبی اولیه پیشنهادی از نوع پرسپترون سهلایه بوده که برای آموزش آن از الگوریتم پس انتشار خطـا بـه روش لـونبر گ مـارکوارت برای بالا بردن سرعت و دقت آموزش استفاده شده اسـت . بـه منظور کاهش خطا و بهبود عملکرد شبکه عصبی پیشنهادی، با کلاسهبندی داده های ورودی به روش فازی سیستم چنـد گانـه عصــبی ارایــه گردیــده و در نهایــت از اطلاعــات بــازار بــرق نیوانگلند وکالیفرنیا بـرای یـادگیری، اع تبارسـنجی و آزمـایش الگوریتم معرفی شده استفاده می شـود . نتـایج آزمـایش نشـان میدهد که راهکار معرفی شده پیشبینی دقیق و قابل اعتماد از قیمت تسویه بازار داشته و نه تنها می تواند در برنامـه ریـزی - هـــای کوتـــاه مـــدت توســـط شـــرکتهـــای تولیـــدکننـــده برق GENCO ) 2 ها ) بلکه در برنامه ریـزی بلندمـدت از جملـه برنامهریزی توسعه تولید هم به عنـوان راهکـار قیمـت مـورد استفاده قرار گیرد

پیشبینی قیمت، قیمت تسویه بازار، شبکههای عصبی، برنامهریزی توسعه تولید، سیستم قدرت تجدیدساختار یافته