ประเมินการพยากรณ์การผลิตไฟฟ้าด้วยพลังงานทดแทนระยะปานกลางของ การไฟฟ้าฝ่ายผลิตแห่งประเทศไทยด้วยโครงข่ายประสาทและอริมา

Evaluation of Medium-Term Renewable Energy Generation Forecasting of EGAT Using Artificial Neural Networks and ARIMA

Name: ศุภเสกข์ เกตุรักษา

Organization : คณะวิศวกรรมศาสตร์ มหาวิทยาลัยอีสเทิร์นเอเชีย

Name: ปฏิภาณ เกิดลาภ

Organization : คณะวิศวกรรมศาสตร์ มหาวิทยาลัยอีสเทิร์นเอเชีย

keyword: โครงข่ายประสาทเทียม อริมา การพยากรณ์การผลิตไฟฟ้าจากพลังงานทดแทน การไฟฟ้าฝ่ายผลิตแห่งประเทศไทย

ThaSH: artificial neural networks, ARIMA, renewable energy generation forecasting, Electricity Generating Authority of Thailand (EGAT)

Abstract: งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาและเปรียบเทียบประสิทธิภาพของแบบจำลองโครงข่ายประสาทเทียม (Neural Network) และแบบจำลอง ARIMA ในการพยากรณ์การผลิตไฟฟ้าจากพลังงานทดแทน โดยใช้ข้อมูลประวัติการผลิตไฟฟ้าด้วยพลังงานทดแทนของการไฟฟ้าฝ่ายผลิตแห่งประเทศไทย (กฟผ.) ข้อมูลที่นำมาใช้ประกอบด้วย 2 รูปแบบ ได้แก่ รูปแบบที่ 1 ประกอบด้วยข้อมูลย้อนหลัง 3 เดือน 2 เดือน 1 เดือน และรหัสเดือน และรูปแบบที่ 2 ประกอบด้วยข้อมูลย้อนหลัง 4 เดือน 3 เดือน 2 เดือน 1 เดือน และรหัสเดือน ผลการวิจัยแสดงให้เห็นว่า โครงข่ายประสาทเทียมมีประสิทธิภาพสูงกว่า โดยมี ค่าเปอร์เซ็นต์ความคลาดเคลื่อนเฉลี่ยสัมบูรณ์ ( MAPE ) เท่ากับ ร้อยละ 3.3151 ขณะที่แบบจำลอง ARIMA มีค่า MAPE เท่ากับร้อยละ 7.4184 จากผลการศึกษานี้ โครงข่ายประสาทเทียมได้รับการพิสูจน์ว่าสามารถรองรับความซับซ้อนของข้อมูลด้านการผลิตไฟฟ้าด้วยพลังงานทดแทนได้อย่างมีประสิทธิภาพ และเหมาะสมต่อการนำไปใช้พยากรณ์การผลิตไฟฟ้าด้วยพลังงานทดแทนในเชิงปฏิบัติ ซึ่งจะช่วยให้การไฟฟ้าฝ่ายผลิตแห่งประเทศไทยสามารถวางแผนจัดการพลังงานได้แม่นยำขึ้น ลดความสูญเสีย และเพิ่มประสิทธิภาพในการใช้ทรัพยากรพลังงาน ทั้งนี้สามารถนำไปประยุกต์เพื่อส่งเสริมศักยภาพของการไฟฟ้าฝ่ายผลิตด้านพลังงานทดแทนได้ต่อไปในอนาคต

Abstract: This study aims to develop and evaluate Neural Network and ARIMA models’ performance in forecasting electricity generation from renewable energy sources. The analysis used historical data on renewable energy generation from the Electricity Generating Authority of Thailand (EGAT). Two data sets were employed: the first data sets from the previous 3 months, 2 months, 1 month, and a month code, while the second data sets from the previous 4 months, 3 months, 2 months, 1 month, and a month code. The findings demonstrate that Neural Networks outperformed ARIMA models, achieving an MAPE of 3.3151%, compared to 7.4184% for ARIMA. This indicates that Neural Networks are better equipped to handle the inherent complexities of renewable energy generation data, making them more suitable for practical applications in electricity forecasting. These results suggest that the adoption of Neural Network models could enable EGAT to enhance the accuracy of its energy planning, minimize resource wastage, and optimize the utilization of renewable energy resources. Furthermore, this study underscores the potential for Neural Networks to advance EGAT’s capabilities in renewable energy management, supporting future innovations in this domain.

มหาวิทยาลัยอีสเทิร์นเอเชีย. สำนักหอสมุดกลาง

Address: ปทุมธานี

Email: libraryservice@eau.ac.th

Created: 2568

Modified: 2568-04-25

Issued: 2568-04-25

บทความ/Article

application/pdf

tha

©copyrights มหาวิทยาลัยอีสเทิร์นเอเชีย

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B6_Evaluation of Medium-Term Renewable Energy Generation Forecasting (ARIMA).pdf	4.06 MB

ใช้เวลา

0.169101 วินาที