Forecasting the roadmap of pv power generation using neural network

โดย บัณฑิต ปานท้วม

ปี 2555

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาการพยากรณ์แนวโน้มของการผลิตกำลังไฟฟ้าจากโฟโตโวลตาอิก โดยใช้โครงข่ายประสาทเทียมในรอบ 12 ปีที่ผ่านมา การผลิตกำลังไฟฟ้าของโลกในรูปการใช้แผงโฟโตโวลตาอิก มีการใช้งานเพิ่มขึ้นอย่างมาก ทำให้ความต้องการของการผลิตกำลังไฟฟ้าจากโฟโตโวลตาอิก ซึ่งมีความไม่แน่นอนและมีการเพิ่มขึ้นอย่างไม่เป็นเชิงเส้น ยากต่อการคาดการณ์ จึงมีความจำเป็นที่จะต้องหาวิธีที่เหมาะสมในการพยากรณ์อย่างมีเหตุผล

การพยากรณ์ที่มีความเที่ยงตรงต้องมีหลายปัจจัยของข้อมูลที่ส่งผลต่อการพยากรณ์ โดยงานวิจัยนี้มีการนำปัจจัยหลัก คือ การติดตั้งใช้งานของการผลิตกำลังไฟฟ้าจากโฟโตโวลตาอิกของโลก ช่วงระหว่างปี พ.ศ. 2543 ถึง พ.ศ. 2554 ราคาน้ำมันในตลาดโลก ราคาของอุปกรณ์ในระบบโฟโตโวลตาอิก ความเจริญเติบโตของอุตสาหกรรมโฟโตโวลตาอิก และการเพิ่มขึ้นของจำนวนประชากรโลก เป็นตัวแปรที่สำคัญสำหรับนำเข้ามาเป็นตัวป้อนให้กับโครงข่ายประสาทเทียม โดยใช้โครงข่ายประสาทเทียมแบบไปข้างหน้า (Feed-Forward) พร้อมการเรียนรู้แบบแพร่กลับ (Back Propagation) มีฟังก์ชันถ่ายโอนแบบ Tan-Sigmoid ในชั้นซ้อนและชั้นเอาต์พุต

ผลของงานวิจัยพบว่า ค่าเอาต์พุตที่ได้จากการพยากรณ์ในเทอมร้อยละของความคลาดเคลื่อนเฉลี่ยสัมบูรณ์ มีค่าเท่ากับ 3.950 เมื่อนำมาเปรียบเทียบกับการพยากรณ์แบบเกรย์ (Grey’s Forcasting Method) ซึ่งมีค่าเท่ากับ 5.035 พบว่าการพยากรณ์โดยใช้โครงข่ายประสาทเทียมในงานวิจัยนี้มีความคลาดเคลื่อนต่ำกว่าวิธีการพยากรณ์แบบเกรย์ งานวิจัยชิ้นนี้สามารถใช้เป็นประโยชน์ต่อภาครัฐในด้านการกำหนดนโยบายพลังงานแห่งชาติ ด้านการลดค่าความเสี่ยงในการบริหารจัดการและการตัดสินใจในการลงทุน

The objective of this research is to study the roadmap of Photovoltaic (PV) power generation trend using neural network. Over the past twelve years, PV power generation has been used increasingly worldwide. The growth in demand of PV power generation is uncertain and it is also nonlinear. Accordingly, it is totally necessary to find the reasonable forecasting method.

Various factors must be taken into account to precisely forecast of PV power generation. In this research, the key factors of input data are global cumulative PV systems installation during period of year 2000 – 2011, oil prices, PV system components cost, the growth of PV industries and a rapid increase in the population of the whole world. They are important input variables to feed the neural network using a particular type of model, known as a rfeed-forward back-propagation networks. The use of Tan-Sigmoid transfer function in a hidden layer and in an output layer is also included.

This research shows that the value of Mean Absolute Percentage Error (MAPE) is only 3.950 compared to Grey]s forecasting method which is 5.035. Finally, it shows that the value of MAPE is lower than Grey]s forecasting method. This research could be valuable enough for government sector that is concerned with national energy policy, reduce of risk of management and decision to investment.

 

Download : การพยากรณ์แนวโน้มของการผลิตกำลังไฟฟ้าจากโฟโตโวลตาอิกโดยใช้โครงข่ายประสาทเทียม