การพยากรณ์โหลดระยะปานกลางด้วยโครงข่ายประสาทเทียมและระบบอนุมานฟัซซี่โครงข่ายปรับตัวได้

Mid-term load forecasting based on artificial neural networks (ANNS) and adaptive neuro-fuzzy inference system (ANFIS)

Name: ศุภเสกข์ เกตุรักษา

ThaSH: พลังงานไฟฟ้า -- พยากรณ์

ThaSH: นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)

ThaSH: ฟัสซีลอจิก

Sears: Electric power -- Forecasting

Sears: Neural networks (Computer science)

Sears: Fuzzy logic

Abstract: งานวิจัยฉบับนี้นำเสนอการพยากรณ์กำลังไฟฟ้าสูงสุดของการไฟฟ้าฝ่ายผลิตแห่งประเทศไทย และการพยากรณ์พลังงานไฟฟ้าของการไฟฟ้านครหลวง นอกจากนี้ยังมีการประยุกต์ใช้การจัดกลุ่มแบบเคมีนและค่าเฉลี่ยเคลื่อนที่กับอินพุตก่อนฝึกสอนด้วยโครงข่ายประสาทเทียมและระบบอนุมานฟัซซี่โครงข่ายปรับตัวได้ ข้อมูลที่ใช้เป็นอินพุตประกอบด้วยประวัติการกำลังไฟฟ้าสูงสุดและประวัติการใช้พลังงานไฟฟ้าซึ่งจะอยู่ในรูปของค่าเฉลี่ยเคลื่อนที่ ผลิตภัณฑ์มวลรวมในประเทศรายไตรมาส รหัสเดือน และตัวเลขบอกกลุ่ม ผลการฝึกสอนและทดสอบแสดงให้เห็นว่าโครงข่ายประสาทเทียม 2 ชั้นซ่อนให้ผลแม่นยำที่สุดสำหรับกำลังไฟฟ้าสูงสุดของการไฟฟ้าฝ่ายผลิตแห่งประเทศไทย ส่วนพลังงานไฟฟ้าของการไฟฟ้านครหลวงได้รับผลการทดสอบดีที่สุดด้วยโครงข่ายประสาทเทียม 4 ชั้นซ่อน ส่วนการประยุกต์การจัดกลุ่มแบบเคมีนกับอินพุตก่อนฝึกสอนและทดสอบด้วยทุกตัวแบบพยากรณ์มีประสิทธิภาพมากกว่าข้อมูลที่ไม่จัดกลุ่มด้วยเคมีน ได้มีการพยากรณ์กำลังไฟฟ้าสูงสุดของการไฟฟ้าฝ่ายผลิตแห่งประเทศไทยล่วงหน้า ปี 2558, 2559, 2560 ผลการพยากรณ์ระบบอนุมานฟัซซี่มีความแม่นยำมากกว่าโครงข่ายประสาทเทียม 2 ชั้นซ่อน และการพยากรณ์พลังงานไฟฟ้าของการไฟฟ้านครหลวง ปี 2559, 2560, 2561 ระบบอนุมานฟัซซี่ปรับตัวได้มีประสิทธิภาพมากกว่าโครงข่ายประสาทเทียม 4 ชั้นซ่อน ผลการพยากรณ์ดังกล่าวข้างต้นสามารถนำไปประยุกต์ในการบริหารจัดการของการไฟฟ้าทั้งสองหน่วยงานได้ ตัวอย่างเช่น การซ่อมบำรุงรักษา การจัดซื้อพลังงานไฟฟ้าจากเอกชน การคาดการณ์กำไรที่จะได้รับในแต่ละเดือนหรือไตรมาส การกำหนดพื้นที่การซื้อไฟฟ้า พลังงานแสงอาทิตย์จากประชาชน และการก่อสร้างสถานีไฟฟ้าใหม่ เป็นต้น

Abstract: This study presents forecast of peak electrical load of the Electricity Generating Authority of Thailand (EGAT) and the electrical energy of the Metropolitan Electricity Authority (MEA). In addition, input data were clustered by K-means algorithms before training by Artificial Neural Networks (ANNS) and Adaptive Neuro- Fuzzy Inference System (ANFIS). In this study, the input data consists of historical peak load statistics of Thailand (simple moving average), historical electricity statistics of Bangkok (simple moving average), month codes, quarterly gross domestic product (QGDP) and cluster number. The results of training and testing show that ANN model with two hidden layers exhibits the most accurate performance for peak electrical load of the Electricity Generating Authority of Thailand (EGAT). Meanwhile, ANN model with four hidden layers provides the most accurate forecast on electrical energy of the Metropolitan Electricity Authority (MEA). Furthermore, this study found that input data which are clustered by K-means algorithms before training and testing have better accuracy than the non-clustered data. Moreover, in the prediction of the peak load of EGAT in 2015, 2016 and 2017, the ANFIS model shows more accurate forecasting results than ANN model with two hidden layers. Meanwhile, in the prediction of electrical energy of MEA in 2016, 2017 and 2018, the ANFIS model exhibits better performance than ANN model with four hidden layers. The above forecast models can be applied to improve electrical load management of both organizations to be more efficient, including, maintenance and procurement of electrical energy from private sector, forecasting monthly or quarterly profits, determine the area of solar power purchase and investment in new substations, etc.

สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: Lifelong@kmitl.ac.th

Name: สมชาติ จิริวิภากร

Role: อาจารย์ที่ปรึกษาวิทยานิพนธ์

Email : somchat.ji@kmitl.ac.th

Created: 2563

Modified: 2564-06-27

Issued: 2564-06-27

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิศวกรรมศาสตรดุษฎีบัณฑิต

Level: ปริญญาเอก

Descipline: วิศวกรรมไฟฟ้า

Grantor: สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง

©copyrights สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	Fulltext Sooppasek Katruksa.pdf	11.98 MB	10	2025-01-24 14:26:15

ใช้เวลา

0.025272 วินาที