Peramalan beban elektrik melibatkan regresi vektor sokongan multikernel hibrid setempat

Abstract

Tenaga adalah keperluan utama dan merupakan faktor terpenting bagi pembangunan sebuah negara. Semua aktiviti tidak dapat dipisahkan daripada penggunaan tenaga terutamanya dalam sektor perindustrian. Tenaga elektrik digunakan secara meluas dalam kepelbagaian negara, oleh yang demikian, kajian lanjut diperlukan untuk meramal penggunaan elektrik di masa kehadapan. Kaedah statistik tradisional sebagai ARIMA mempunyai pelbagai kelemahan untuk menganalisis data elektrik yang menurun-naik. Kini, kaedah pembelajaran mesin digunakan secara meluas dalam menyelesaikan masalah peramalan. Kaedah ini berupaya untuk meminimumkan masa dan kos dengan kejituan yang tinggi. Kajian ini melibatkan kaedah pembelajaran mesin yang dipanggil regresi vektor sokongan multikernel setempat dengan empat kaedah pengoptimuman yang berbeza iaitu LIBSVM, MOSEK, SMO, dan QUADPROG. Setiap kaedah pengoptimuman mempunyai sifat yang berbeza, maka kajian lanjut diperlukan untuk mengetahui pengoptimuman yang sesuai dengan data beban elektrik. Seterusnya, pemilihan nilai fungsi kos, C, epsilon, ε dan jenis pengoptimuman terbukti berperanan penting dalam menambahbaik kejituan ramalan. Dalam kajian ini, nilai-Nilai C yang digunakan adalah 25, 50, 75 dan 100. Nilai C yang tinggi tidak berupaya meningkatkan kejituan, begitu juga penggunaan nilai C yang rendah. Ini kerana aspek utama yang perlu dipertimbangkan adalah jenis pengoptimuman. Dalam kajian ini, kami melibatkan data harian beban elektrik termasuk bulan Ramadhan dan cuti umum di Indonesia. Rajah antara muka bagi kaedah yang dicadangkan telah dibina. Hasil kajian menunjukkan kaedah pengoptimuman minimum urutan (SMO) sesuai digunakan untuk data elektrik pada hari Isnin, Selasa, Rabu dan Khamis. Manakala, kaedah QUADPROG sesuai digunakan untuk hari Khamis, bulan Ramadhan, dan cuti umum di Indonesia. Pengoptimum MOSEK sesuai digunakan untuk data elektrik hari Rabu, manakala LIBSVM sesuai digunakan untuk data elektrik hari Ahad. Prestasi kaedah yang dicadangkan telah dinilai menggunakan MAPE dan RMSE iaitu masing-masing 84.30% dan 0.02%. Nilai-nilai ini menunjukkan kaedah yang dicadangkan berupaya meramal beban elektrik di Indonesia dengan kejituan yang tinggi.