بهبود برآورد بار بلند مدت به روش تلفیق رگرسیون با متغیر فازی و شبکه عصبی فازی

انرژی الکتریکی یکی از عوامل مهم و تأثیرگذار در توسعه جوامع بشری می باشد، برای بهره مندی صحیح از آن برنامه ریزی و مدیریت مناسب منابع انرژی امری ضروری است که این موضوع مستلزم پیش بینی های دقیق از آینده می باشد. این مقاله با هدف توسعه مدل های پیش بینی و کاهش میزان خطای برآورد میزان بار مصرفی برق شهرستان یزد در بلند مدت و بهبود روش های پیش بینی صورت گرفته است. عوامل مختلفی از جمله دما، جمعیت و تعداد انشعابات بر روی میزان مصرف مؤثر می باشد، این تحقیق از نظر هدف توسعه ای، از نظر شیوه تجزیه و تحلیل کمی و از منظر نتایج پیش بینی است. مدل پیش نهادی در این پژوهش تلفیقی از روش رگرسیون فازی (متغیر فازی و ضرایب غیر فازی) و شبکه عصبی فازی می باشد که یافته ها از کاهش میزان درصد خطای برآورد نسبت به سایر روش های پیش بینی همچون شبکه عصبی فازی، سری زمانی و رگرسیون فازی حکایت دارد. با توجه به خروجی مدل های ارزیابی شده درصد خطای برآورد مدل ترکیبی 1.1 درصد می باشد که نسبت به خطای مدل های دیگر به مراتب مقدار کمتری را گزارش می دهد. این میزان درصد خطای برآورد در رگرسیون فازی 16 درصد، شبکه عصبی فازی 9 درصد می باشد.