การพยากรณ์ปริมาณการใช้ไฟฟ้าประเภทที่อยู่อาศัยในประเทศไทยโดยใช้ตัวแบบ ARIMA ที่มีฤดูกาลเชิงคูณและตัวแบบแยกส่วนประกอบร่วมกับตัวแบบ ARIMA

Forecasting residential electricity consumption in Thailand by using multiplicative seasonal ARIMA model and decomposition model with ARIMA

Name: นิฉา แก้วหาวงษ์

Organization : มหาวิทยาลัยธรรมศาสตร์. คณะวิทยาศาสตร์และเทคโนโลยี

Email : nicha@mathstat.sci.tu.ac.th

keyword: ARIMA

ThaSH: การใช้พลังงานไฟฟ้า -- แบบจำลองทางคณิตศาสตร์

; ตัวแบบแยกส่วนประกอบ

ThaSH: ที่อยู่อาศัย -- การใช้พลังงาน -- แบบจำลองทางคณิตศาสตร์

Abstract: งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบตัวแบบการพยากรณ์อนุกรมเวลา 2 ตัวแบบคือตัวแบบ ARIMA ที่มีฤดูกาลเชิงคูณ และตัวแบบแยกส่วนประกอบร่วมกับตัวแบบ ARIMA ในการศึกษาใช้ข้อมูลอนุกรมเวลาของปริมาณการใช้ไฟฟ้าประเภทที่อยู่อาศัยรายเดือนในประเทศไทย ซึ่งการพยากรณ์อนุกรมเวลาถูกแบ่งเป็น 2 ช่วงเวลาคือช่วงเวลาที่ 1 เป็นการพยากรณ์ข้อมูลในอดีตตั้งแต่เดือนมกราคม พ.ศ.2545 ถึงเดือนธันวาคม พ.ศ.2558 จำนวน 168 เดือน เพื่อคัดเลือกตัวแบบที่เหมาะสมที่สุดในแต่ละตัวแบบพยากรณ์และช่วงเวลาที่ 2 เป็นการพยากรณ์ข้อมูลล่วงหน้าตั้งแต่เดือนมกราคม พ.ศ.2559 ถึงเดือนธันวาคม พ.ศ. 2559 จำนวน 12 เดือน เพื่อคัดเลือกตัวแบบที่ดีที่สุด โดยเกณฑ์ที่ใช้ในการเปรียบเทียบคือคำเฉลี่ยของคำสัมบูรณ์เปอร์เซ็นต์ความคลาดเคลื่อน (MAPE) และคำสัมประสิทธิ์การตัดสินใจ (R-Squared) จากการศึกษาพบว่าตัวแบบที่เหมาะสมที่สุดในการพยากรณ์ข้อมูลปริมาณการใช้ไฟฟ้าประเภทที่อยู่อาศัยรายเดือนในประเทศไทยคือตัวแบบแยกส่วนประกอบร่วมกับตัวแบบ ARIMA โดยคำพยากรณ์ล่วงหน้า 12 เดือนของตัวแบบที่ได้มีคำ MAPE ต่ำที่สุดเท่ากับ 3.0590 เปอร์เซ็นต์ และมี R-Squared มากที่สุดเท่ากับ 98.8303 เปอร์เซ็นต์

Abstract: The objective of this research is to study and compare two models of forecasting time series, namely multiplicative seasonal ARIMA model and decomposition model with ARIMA. In this study, we use the monthly time series data of residential electricity consumption in Thailand. The forecasting time series were separated into two duration times. The first one is the forecasting time series data in previous time from January 2002 to December 2015 for 168 months. This data was used for selection the suitable models in each forecasting models. As the second one is the lead forecasting data from January to December 2016 for 12 months, which used for selection the most suitable model. The Mean Absolute Percentage Error (MAPE) and R-Squared are used as the comparative criteria. It was found that the decomposition model with ARIMA is the most suitable model for forecasting the monthly time series data of residential electricity consumption in Thailand. The decomposition model with ARIMA for 12 months lead forecast had the lowest MAPE of 3.0590 percent with the highest R-Squared of 98.8303 percent.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2560

Modified: 2562-07-09

Issued: 2562-07-09

บทความ/Article

application/pdf

BibliograpyCitation : ใน มหาวิทยาลัยสยาม คณะวิทยาศาสตร์. การประชุมวิชาการวิทยาศาสตร์และเทคโนโลยีระหว่างสถาบัน ครั้งที่ 5 (ASTC 2017) (pp.640-649). กรุงเทพฯ : มหาวิทยาลัยสยาม

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	ASTC 2017pp.640-649.pdf	652.18 KB	16	2024-02-04 11:26:08

ใช้เวลา

0.024851 วินาที