การพยากรณ์การใช้พลังงานไฟฟ้าโดยใช้วิธีโครงข่ายประสาทเทียม
คำสำคัญ:
การพยากรณ์, การใช้พลังงานไฟฟ้า, โครงข่ายประสาทเทียมบทคัดย่อ
บทความวิจัยเรื่องการพยากรณ์การใช้พลังงานไฟฟ้าโดยใช้วิธี ANN มีวัตถุประสงค์เพื่อเป็นกรณีศึกษาในวางแผนพัฒนาระบบการจัดการพลังงานไฟฟ้าให้เกิดความเหมาะสมต่อไปในอนาคต และเพื่อศึกษาเปรียบเทียบผลที่ได้ระหว่างการวัดด้วยเครื่องมือวัดกับการพยากรณ์ด้วยวิธี ANN จากการศึกษาในสถานศึกษาตัวอย่าง คือ สถานศึกษา A และสถานศึกษา B ตัวแปรที่ใช้ประกอบด้วยค่าความต้องการพลังงานไฟฟ้าสูงสุดและค่าตัวประกอบโหลด โดยใช้ข้อมูลในปีพ.ศ. 2557 ในการเรียนรู้ของระบบ ANN และข้อมูลในปีพ.ศ. 2558 ใช้สำหรับการทดสอบผลพยากรณ์ สถิติที่ใช้ คือ เปอร์เซ็นต์ความคลาดเคลื่อน (%Error) ผลการศึกษาพบว่า สถานศึกษา A มีค่าความคลาดเคลื่อน 4.76% และสถานศึกษา B มีค่าความคลาดเคลื่อน 6.63%
References
กระทรวงพลังงาน. (2559). Thailand Electricity Load Profile. ค้นจากhttp://www.command.energy.go.th/ egatLoadprofile/
การไฟฟ้าส่วนภูมิภาค. (2558). อัตราค่าไฟฟ้าการไฟฟ้าส่วนภูมิภาค. ค้นจาก http://www.erc.or.th/ ERCWeb2/ Upload/ Document/PEAใบอัตราค่าไฟฟ้า58-60.pdf วันที่สืบค้น 10 ม.ค. 2560
เจษฎา เรืองแสง. (2555). การพัฒนาสมการพลังงานในโรงงานอุตสาหกรรมผลิตชิ้นส่วนยาง. (วิทยานิพนธ์ปริญญามหาบัณฑิต). มหาวิทยาลัยศรีนครินทรวิโรฒ, กรุงเทพฯ.
สมพร เรืองสินชัยวานิช. (2560). การอนุรักษ์พลังงานและการจัดการพลังงานไฟฟ้า. กรุงเทพฯ: บริษัท ทริปเพิ้ล เอ็ดดูเคชั่น จำกัด.
Hasmat, M., & Savita, S. (2016, June). Application of Artificial Neural Network for Long Term Wind Speed Prediction. In 2016 Conference on Advances in Signal Processing (CASP), Pune, India, 217-222. Doi: 10.1109/CASP.2016.7746168
Loghmari, I., Timoumi, Y., & Messadi, A. (2018). Performance comparison of two global solar radiation models for spatial interpolation purposes. Renewable and Sustainable Energy Reviews, 82, 837–844. Doi: 10.1016/j.rser.2017.09.092
