fa بهبود پیش بینی تقاضای برق با استفاده از طراحی آزمایشات تاگوچی اقتصادبرق و مهندسي برق-مهندسي اقتصادبرق و مهندسي برق-مهندسي پژوهشي Research <p align="right">یک پیش بینی خوب تقاضا، پیش نیازی ضروری به منظور مدیریت یک سیستم انرژی برق است. در طول سال ها، تکنیک های پیش بینی زیادی با قابلیت های متفاوت معرفی شده اند. هرچند عوامل مختلف موثر بر پیش بینی در تحقیقات پیشین کاوش شده اند، اما پارامترهای قابل کنترل مربوط به داده ها و برهم کنش آن ها هیچ گاه به طور دقیق مورد مطالعه قرار نگرفته اند. بر همین اساس این تحقیق، روش تاگوچی را برای بررسی عوامل قابل کنترل مدل پیش بینی به کار می برد. به همین منظور یک آرایه ی متعامد درونی(L9(34 برای عوامل قابل کنترل دوره زمانی داده ها، طول افق و تعداد مشاهدات مورد نیاز ایجاد شده است. در ادامه یک طراحی آزمایش صورت گرفت تا سطوح مناسب هر عامل به دست آید. به صورت هم زمان یک آرایه ی متعامد بیرونی (L4(23 به کار رفت تا پارامترهای ذاتی روش پیش بینی به عنوان عوامل نویز روش تاگوچی در نظر گرفته شود. این موارد طی یک الگوی 8 مرحله ای و به کمک داده های شرکت توزیع برق منطقه ای شهر یزد، نشان داد که مدل پیشنهادی باعث بهبود کیفیت پیش بینی و کاهش هزینه های آن می شود.</p> <p>A good demand forecasting is an essential prerequisite to manage an electricity system. Over the years, many forecasting techniques of varying capabilities have been introduced. The precise extent of their influences, and the interactions between them, has never been fully clarified, although various forecasting factors have been explored in previous studies. Accordingly, this study adopts the Taguchi method to calibrate the controllable factors of a forecasting model. To this end an L9(34) inner orthogonal array is constructed for the controllable factors of data period, horizon length, and number of observations required. An experimental design is then performed to establish the appropriate levels for each factor. At the same time, an L4(23) outer orthogonal array is used to consider the inherited parameters of forecasting method as the noise factors of Taguchi method simultaneously. Through an eight steps pattern and using electricity data of Yazd province it is shown that the proposed model will improve quality of forecast and will reduce its expenses.</p> تقاضای برق, بهبود پیش بینی, طراحی آزمایشات تاگوچی, شبکه عصبی مصنوعی electricity demand, Improved Forecasting, Taguchi experimental design, Artificial Neural Network 175 193 http://iiesj.ir/browse.php?a_code=A-10-149-1&slc_lang=fa&sid=1 ali morovati sharif abadi علی مروتی شریف آبادی alimorovati_ut@yahoo.com 10031947532846001777 10031947532846001777 No Yazd University دانشگاه یزد mehdi hatami manesh مهدی حاتمی منش mehdihatami66@yahoo.com 10031947532846001778 10031947532846001778 Yes Yazd University دانشگاه یزد ali mohammad banifatemeh علی محمد بنی فاطمه banifateme89@yahoo.com 10031947532846001779 10031947532846001779 No Yazd University دانشگاه یزد mahnaz keshavarz مهناز کشاورز keshavarzmah90@yahoo.com 10031947532846001780 10031947532846001780 No Yazd University دانشگاه یزد