Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/58588
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | ศิริจันทร์ ทองประเสริฐ | - |
| dc.contributor.author | อารักข์ หาญสันเทียะ | - |
| dc.contributor.other | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ | - |
| dc.date.accessioned | 2018-04-29T11:25:26Z | - |
| dc.date.available | 2018-04-29T11:25:26Z | - |
| dc.date.issued | 2549 | - |
| dc.identifier.uri | http://cuir.car.chula.ac.th/handle/123456789/58588 | - |
| dc.description | วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2549 | en_US |
| dc.description.abstract | การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อหาแบบจำลองการพยากรณ์ความต้องการไฟฟ้ารายเดือนที่เหมาะสมตลอดจนต้องการหาวิธีพยากรณ์ออโต้รีเกรซซีฟมูฟวิ่งเอฟเวอเรจทั้ง 5 ตัวแบบ ว่าวิธีใดเหมาะสมกับข้อมูลจริงมากที่สุด โดยพิจารณาจากค่าเฉลี่ยต่ำสุดของเปอร์เซ็นต์ค่าความคลาดเคลื่อนสมบูรณ์และศึกษาเปรียบเทียบวิธีพยากรณ์ด้วยออโต้รีเกซซีฟมูฟวิ่งเอฟเวอเรจ วิธีการถดถอย วิธีอนุกรมเวลาและของคณะอนุกรรมการพยากรณ์ความต้องการไฟฟ้าโดยใช้ข้อมูลในอดีตรายเดือนของความต้องการไฟฟ้าจากสถานีไฟฟ้าแรงสูงต่างๆ แยกเป็นรายเขต ตั้งแต่เดือนมกราคม 2543 ถึง กันยายน 2549 จำนวน 81 เดือน มาผ่านกระบวนการทางสถิติเพื่อหาแบบจำลองที่เหมาะสมในการพยากรณ์ ผลการศึกษาเปรียบเทียบวิธีพยากรณ์ด้วยออโต้รีเกรซซีฟมูฟวิ่งเอฟเวอเรจ วิธีการถดถอย วิธีอนุกรมเวลา และของคณะอนุกรรมการพยากรณ์ความต้องการไฟฟ้า พบว่า วิธีพยากรณ์ด้วยออโต้รีเกรซซีฟมูฟวิ่งเอฟเวอเรจ เหมาะกว่าวิธีอื่นๆที่นำมาเปรียบเทียบผลการวิเคราะห์ข้อมูลปริมาณความต้องการพลังไฟฟ้าสูงสุดในเขตต่างๆ โดยมีตัวแบบการพยากรณ์แยกตามเขตของข้อมูลต่อไปนี้ 1) เขตนครหลวง ตัวแบบการพยากรณ์ ARMA(1,1) 2) เขตภาคกลาง ตัวแบบการพยากรณ์ AR(2) 3) เขตภาคตะวันออกเฉียงเหนือ ตัวแบบการพยากรณ์ AR(1) 4) เขตภาคใต้ ตัวแบบการพยากรณ์ AR(1) 5) เขตภาคเหนือ ตัวแบบการพยากรณ์ AR(1) 6) การผลิตและซื้อพลังไฟฟ้าสูงสุด ของ กฟผ. ตัวแบบการพยากรณ์ ARMA(1,1) 7) พลังไฟฟ้าที่จำหน่ายสูงสุด ของ กฟผ. ตัวแบบการพยากรณ์ AR(2) การพยากรณ์ความต้องการไฟฟ้ารายเดือนด้วยวิธีออโต้รีเกรซซีฟมูฟวิ่งเอฟเวอเรจมีความทันสมัยน่าเชื่อถือและแม่นยำมากยิ่งขึ้น นอกจากนี้ยังเป็นวิธีการที่สามารถตรวจสอบได้โดยง่าย ซึ่งให้ผลของการพยากรณ์มีความคลาดเคลื่อนไม่เกินบวกลบ 3 เปอร์เซ็นต์ | en_US |
| dc.description.abstractalternative | The objective of this study is to find out the suitable forecasting on monthly power demand forecasting by Auto Regression Moving Average models. The collected data are analyzed to formulate forecasting models. The mean absolute Percent Error of forecasting is utilized to measure the accuracy of forecasting of Auto Regression Moving Average Models Methods, Time series Methods, Regression Methods and that of Sub-committee, and find out which method is suitable for data in each models. In this study, statistical techniques and statistical theories are used to analyze the data. In this study, collected peak demand of each EGAT’s substation are secondary data during 2000-2006 The result of this study shows that forecasting method by Auto Regression Moving Average Models is suitable for every type of demand electricity data. The forecasting models are as follows: 1) Peak demand for MEA forecasting model was ARMA(1,1) 2) Peak demand for Central forecasting model was AR(2) 3) Peak demand for Northeastern forecasting was AR(1) 4) Peak demand for Southern forecasting was AR(1) 5) Peak demand for Northern forecasting was AR(1) 6) EGAT’s total gross generation forecasting was ARMA(1,1) 7) EGAT’s peak demand forecasting was AR(2) The monthly power demand forecasting by Auto regression Moving Average models are reliable and can be conveniently audited with the precision of+-3 percentages. | en_US |
| dc.language.iso | th | en_US |
| dc.publisher | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
| dc.relation.uri | http://doi.org/10.14457/CU.the.2006.995 | - |
| dc.rights | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
| dc.subject | พลังงานไฟฟ้า -- พยากรณ์ | en_US |
| dc.subject | อนาคตศาสตร์ | en_US |
| dc.subject | แบบจำลองทางเศรษฐมิติ | en_US |
| dc.subject | Electric power -- Forecasting | en_US |
| dc.subject | Forecasting | en_US |
| dc.subject | Econometric models | en_US |
| dc.title | การพยากรณ์ความต้องการไฟฟ้ารายเดือนด้วยวิธีออโต้รีเกรซซีฟมูฟวิ่งเอฟเวอร์เรจ | en_US |
| dc.title.alternative | Monthly power demand forecasting by auto regressive moving average | en_US |
| dc.type | Thesis | en_US |
| dc.degree.name | วิศวกรรมศาสตรมหาบัณฑิต | en_US |
| dc.degree.level | ปริญญาโท | en_US |
| dc.degree.discipline | วิศวกรรมอุตสาหการ | en_US |
| dc.degree.grantor | จุฬาลงกรณ์มหาวิทยาลัย | en_US |
| dc.email.advisor | Sirichan.T@Chula.ac.th | - |
| dc.identifier.DOI | 10.14457/CU.the.2006.995 | - |
| Appears in Collections: | Eng - Theses | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| arak_ha_front.pdf | 1.52 MB | Adobe PDF | View/Open | |
| arak_ha_ch1.pdf | 752.96 kB | Adobe PDF | View/Open | |
| arak_ha_ch2.pdf | 3.97 MB | Adobe PDF | View/Open | |
| arak_ha_ch3.pdf | 3.98 MB | Adobe PDF | View/Open | |
| arak_ha_ch4.pdf | 14.88 MB | Adobe PDF | View/Open | |
| arak_ha_ch5.pdf | 1.97 MB | Adobe PDF | View/Open | |
| arak_ha_back.pdf | 6.97 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.