การพยากรณ์ปริมาณการใช้ไฟฟ้าในประเทศไทยโดยใช้ตัวแบบผสม Sarima-GP ด้วยเคอร์เนลฟังก์ชันใหม่

สุคนธ์ทิพย์ สุภาจันทร์

DSpace Home
→
College of Research Methodology and Cognitive Science
→
วิทยานิพนธ์ (Theses)
→
View Item

dc.contributor.advisor	พูลพงศ์ สุขสว่าง
dc.contributor.advisor	จตุภัทร เมฆพายัพ
dc.contributor.author	สุคนธ์ทิพย์ สุภาจันทร์
dc.contributor.other	มหาวิทยาลัยบูรพา. วิทยาลัยการวิจัยและวิทยาการปัญญา
dc.date.accessioned	2023-05-12T04:02:42Z
dc.date.available	2023-05-12T04:02:42Z
dc.date.issued	2561
dc.identifier.uri	https://buuir.buu.ac.th/xmlui/handle/1234567890/7513
dc.description	ดุษฎีนิพนธ์ (ปร.ด.)--มหาวิทยาลัยบูรพา, 2561
dc.description.abstract	การวิจัยนี้มีวัตถุประสงค์เพื่อ 1) เพื่อพัฒนาตัวแบบทางคณิตศาสตร์โดยใช้ตัวแบบ SARIMA-GP ด้วยฟังก์ชันเคอร์เนลใหม่ 2) เพื่อเปรียบเทียบประสิทธิภาพของตัวแบบที่พัฒนาขึ้นกับตัวแบบ SARIMA-ANN ด้วยการจำลองข้อมูลโดยเทคนิคมอนติคาร์โล 3) เพื่อพยากรณ์ปริมาณการใช้ไฟฟ้ารายเดือนของประเทศไทยโดยใช้ข้อมูลจากการไฟฟ้าฝ่ายผลิตแห่งประเทศไทยจากตัวแบบที่พัฒนาขึ้น ผลการวิจัยปรากฏดังนี้ 1. เทคนิคออกแบบฟังก์ชันเคอร์เนลขึ้นมาใหม่สำหรับการพยากรณ์ภายใต้กระบวนการแบบเกาส์เซียน นำเสนอในรูปแบบผลบวก (Sum) และผลคูณ (Product) จากเคอร์เนลเลขชี้กำลังสอง (Squared exponential kernel) เคอร์เนลคาบ (Periodic kernel) เคอร์เนลกำลังสองตรรกยะ (Rational quadratic kernel) และเคอร์เนลเชิงเส้น (Linear kernel) ได้เป็นฟังก์ชันเคอร์เนลใหม่คือ K_(SERQLIN)+ K_(PER*LIN )+ K_(LIN )และตัวแบบ SARIMA-GP ด้วยฟังก์ชันเคอร์เนลใหม่ของการพยากรณ์ปริมาณการใช้ไฟฟ้าคือ f(x_j ) m(x_j )=k(X,x_j )^T (K(X,X)+ ^2 I_N )^(-1) y ประสิทธิภาพของตัวแบบที่พัฒนาขึ้นภายใต้เงื่อนไขการแจกแจงแบบไวท์บูลล์ 3 แบบ และลักษณะข้อมูลอนุกรมเวลา 15 รูปแบบ รวมทั้งหมด 45 เงื่อนไข ดีกว่าตัวแบบ SARIMA-ANN ทุกเงื่อนไข 3. ผลการพยากรณ์ปริมาณการใช้ไฟฟ้ารายเดือนของประเทศไทยโดยใช้ข้อมูลจากการไฟฟ้าฝ่ายผลิตแห่งประเทศไทยจากตัวแบบที่พัฒนาขึ้น มีค่าพยากรณ์ความต้องการใช้ไฟฟ้าเมื่อสิ้นปี พ.ศ. 2568 มีค่าประมาณ 269, 328 กิกะวัตต์ต่อชั่วโมง เพิ่มขึ้นจากปีพ.ศ. 2559 เฉลี่ยปีละ 9,290 กิกะวัตต์ต่อชั่วโมง หรือเพิ่มขึ้นเฉลี่ยร้อยละ 4.23 ต่อปีโดยมีค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (MSE) และค่าส่วนเบี่ยงเบนสัมบูรณ์เฉลี่ย MAD เท่ากับ 5.5083E-09 และ 5.6903E-05 และค่าคลาดเคลื่อนร้อยละสัมบูรณ์เฉลี่ย MAPE เท่ากับ 4.7072E-09 ซึ่งมีค่าน้อยกว่าร้อยละ 6.
dc.language.iso	th
dc.publisher	วิทยาลัยการวิจัยและวิทยาการปัญญา มหาวิทยาลัยบูรพา
dc.rights	มหาวิทยาลัยบูรพา
dc.subject	การประมาณค่าพารามิเตอร์
dc.subject	ไฟฟ้า -- พยากรณ์
dc.subject	ทฤษฎีการประมาณค่า (สถิติ)
dc.subject	การใช้พลังงานไฟฟ้า -- พยากรณ์
dc.subject	มหาวิทยาลัยบูรพา -- สาขาวิชาการวิจัยและสถิติทางวิทยาการปัญญา
dc.title	การพยากรณ์ปริมาณการใช้ไฟฟ้าในประเทศไทยโดยใช้ตัวแบบผสม Sarima-GP ด้วยเคอร์เนลฟังก์ชันใหม่
dc.title.alternative	Forecsting electricity consumption in thilnd using the srim-gp hybrid model with new kernel function
dc.type	วิทยานิพนธ์/ Thesis
dc.description.abstractalternative	The purposes of this research were to; 1) develop a mathematical model using SARIMA-GP with new kernel functions, 2) compare the performance of models developed with the SARIMA-ANN model by simulating data with Monte Carlo technique, and 3) estimate the monthly electricity consumption in Thailand using data from the Electricity Generating Authority of Thailand from the developed model. The results are as follows. 1. New Kernel Function design techniques for forecasting under Gaussian processes are presented in sum and product formats from Squared, Exponential Kernel, Periodic Kernel, Quadratic Rational Kernel, and Linear Kernel. The result is a new kernel function to forecast electricity consumption in Thailand by using the SARIMA-GP Model with new kernel function, which is f(x_j ) m(x_j )=k(X,x_j )^T (K(X,X)+ ^2 I_N )^(-1) y 2. The efficiency of the developed model are better than SARIMA-ANN model for all situations. The model was made with data under 45 conditions followed 15 patterns of time series data and distribution of qualitative characteristics under 3 measures for Weibull distribution. 3. The forecast results of monthly electricity consumption in Thailand, when using data from the Electricity Generating Authority of Thailand. The forecast value of electricity consumption by the end of 2025 is approximately 269,328 gigawatt-hours rising from the year 2016 averagely 9,290 gigawatt-hours per year or 4.23 percent per year. The forecast results have the Mean absolute deviation MAD and Mean Square Error MSE equal 5.5083E-09 and 5.6903E-05 and the Mean absolute percentage error MAPE is 4.7072E-09, which is less than 6%.
dc.degree.level	ปริญญาเอก
dc.degree.discipline	การวิจัยและสถิติทางวิทยาการปัญญา
dc.degree.name	ปรัชญาดุษฎีบัณฑิต
dc.degree.grantor	มหาวิทยาลัยบูรพา