Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/58588
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorศิริจันทร์ ทองประเสริฐ-
dc.contributor.authorอารักข์ หาญสันเทียะ-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์-
dc.date.accessioned2018-04-29T11:25:26Z-
dc.date.available2018-04-29T11:25:26Z-
dc.date.issued2549-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/58588-
dc.descriptionวิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2549en_US
dc.description.abstractการวิจัยครั้งนี้มีวัตถุประสงค์เพื่อหาแบบจำลองการพยากรณ์ความต้องการไฟฟ้ารายเดือนที่เหมาะสมตลอดจนต้องการหาวิธีพยากรณ์ออโต้รีเกรซซีฟมูฟวิ่งเอฟเวอเรจทั้ง 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 เปอร์เซ็นต์en_US
dc.description.abstractalternativeThe 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.isothen_US
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.relation.urihttp://doi.org/10.14457/CU.the.2006.995-
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.subjectพลังงานไฟฟ้า -- พยากรณ์en_US
dc.subjectอนาคตศาสตร์en_US
dc.subjectแบบจำลองทางเศรษฐมิติen_US
dc.subjectElectric power -- Forecastingen_US
dc.subjectForecastingen_US
dc.subjectEconometric modelsen_US
dc.titleการพยากรณ์ความต้องการไฟฟ้ารายเดือนด้วยวิธีออโต้รีเกรซซีฟมูฟวิ่งเอฟเวอร์เรจen_US
dc.title.alternativeMonthly power demand forecasting by auto regressive moving averageen_US
dc.typeThesisen_US
dc.degree.nameวิศวกรรมศาสตรมหาบัณฑิตen_US
dc.degree.levelปริญญาโทen_US
dc.degree.disciplineวิศวกรรมอุตสาหการen_US
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.email.advisorSirichan.T@Chula.ac.th-
dc.identifier.DOI10.14457/CU.the.2006.995-
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
arak_ha_front.pdf1.52 MBAdobe PDFView/Open
arak_ha_ch1.pdf752.96 kBAdobe PDFView/Open
arak_ha_ch2.pdf3.97 MBAdobe PDFView/Open
arak_ha_ch3.pdf3.98 MBAdobe PDFView/Open
arak_ha_ch4.pdf14.88 MBAdobe PDFView/Open
arak_ha_ch5.pdf1.97 MBAdobe PDFView/Open
arak_ha_back.pdf6.97 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.