การพยากรณ์ความต้องการใช้พลังงานไฟฟ้าในประเทศไทยภายใต้การเปลี่ยนแปลงเทคโนโลยียานยนต์ไฟฟ้า

การศึกษาความต้องการใช้พลังงานไฟฟ้าและความต้องการพลังงานไฟฟ้าสูงสุดในประเทศไทย ภายใต้นวัตกรรมเทคโนโลยียานยนต์ไฟฟ้า โดยใช้ระบบนิวโรฟัซซี (Neuro-Fuzzy system) หรือระบบโครงข่ายประสาทเทียมแบบฟัซซีที่เป็นระบบนิวโรฟัซซีแบบปรับตัวได้ (Adaptive Neuro-Fuzzy Inference Systems) ในการวิเคราะห์ค่าพยากรณ์ความต้องการใช้พลังงานไฟฟ้าในประเทศไทยจากการใช้สมาชิกแบบเกาส์เซียนและแบบจำลองกฎฟัซซีแบบซูเกโน (Takagi-Sugeno-Kang) ผลการศึกษาพบว่าการพยากรณ์ความต้องการใช้พลังงานไฟฟ้าให้ค่าเปอร์เซ็นต์ความผิดพลาดสมบูรณ์ (Mean Absolute Percentage Error) ต่ำสุดที่ 0.1626 เมื่อใช้ข้อมูลชุดทดสอบ (Test Set) 90 : 10 มีจำนวนชั้นซ้อน 3 และค่า max iteration 400 และการพยากรณ์ความต้องการใช้พลังงานไฟฟ้าสูงสุด ค่าเปอร์เซ็นต์ความผิดพลาดสมบูรณ์ (Mean Absolute Percentage Error) ต่ำสุดที่ 0.1609 เมื่อใช้ข้อมูลชุดทดสอบ (Test Set) 90 : 10 มีจำนวนชั้นซ้อน 5 และค่า max iteration 300 ทั้งนี้เมื่อทำการเปรียบเทียบผลการพยากรณ์กับวิธีอื่นๆ ผลปรากฎว่าวิธีระบบนิวโรฟัซซีแบบปรับตัวได้ ให้ค่าเปอร์เซ็นต์ความผิดพลาดสมบูรณ์ต่ำกว่าวิธีทฤษฎีแบบจำลองโครงข่ายประสาทเทียม (Artificial neural network) และวิธีการวิเคราะห์การถดถอยเชิงเส้น (Linear Regression Analysis)

本研究针对泰国电动车辆技术创新背景下的电力总需求与最高电力负荷需求展开分析，采用神经模糊系统（Neuro-Fuzzy system），即可自适应调整的自适应神经模糊推理系统（Adaptive Neuro-Fuzzy Inference Systems），基于高斯隶属函数与高木-关野（Takagi-Sugeno-Kang）模糊规则模型，对泰国电力需求预测值开展研究。研究结果表明：当以90%训练集与10%测试集的比例划分数据集、设置3个隐藏层且最大迭代次数为400时，电力需求预测的平均绝对百分比误差（Mean Absolute Percentage Error）最低，为0.1626；针对最高电力负荷需求的预测，当采用相同的数据集划分比例、设置5个隐藏层且最大迭代次数为300时，平均绝对百分比误差最低，为0.1609。此外，将本研究方法与其他方法对比后发现，自适应神经模糊推理系统的平均绝对百分比误差低于人工神经网络（Artificial Neural Network）与线性回归分析（Linear Regression Analysis）方法。