การพยากรณ์ปริมาณการใช้ไฟฟ้าสำหรับบ้านที่อยู่อาศัยรายเดือน กรณีศึกษา: พื้นที่อำเภอเมือง จังหวัดนครราชสีมา
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบวิธีการพยากรณ์สำหรับการพยากรณ์ปริมาณการใช้ไฟฟ้าบ้านที่อยู่อาศัยรายเดือน กรณีศึกษา: พื้นที่อำเภอเมือง จังหวัดนครราชสีมา โดยใช้ข้อมูลจากสำนักงานสถิติจังหวัดนครราชสีมา ตั้งแต่เดือนมกราคม พ.ศ. 2556 ถึงเดือนมิถุนายน พ.ศ. 2563 จำนวน 90 ค่า โดยแบ่งข้อมูลออกเป็น 2 ชุด ข้อมูลชุดที่ 1 ตั้งแต่เดือนมกราคม พ.ศ. 2556 ถึงเดือนมิถุนายน พ.ศ. 2562 จำนวน 78 ค่า เพื่อนำมาสร้างตัวแบบ โดยในงานวิจัยนี้ใช้ตัวแบบ การพยากรณ์ 3 ตัวแบบ คือ ตัวแบบอารีมา ตัวแบบวินเทอร์เชิงคูณ และตัวแบบแยกส่วนประกอบ สำหรับข้อมูลชุดที่ 2 ใช้ในการเปรียบเทียบและตรวจสอบความแม่นยำ เพื่อคัดเลือกตัวแบบที่เหมาะสมที่สุด โดยใช้ข้อมูลตั้งแต่เดือนกรกฎาคม พ.ศ. 2562 ถึงเดือนมิถุนายน พ.ศ. 2563 จำนวน 12 ค่า และเกณฑ์ที่ใช้ในการเปรียบเทียบค่าความคลาดเคลื่อนของการพยากรณ์ของแต่ละตัวแบบนั่นคือ เกณฑ์เปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAPE) และเกณฑ์รากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) ผลการศึกษาพบว่า ตัวแบบวินเทอร์เชิงคูณเหมาะสมกับการพยากรณ์ปริมาณการใช้ไฟฟ้าบ้านที่อยู่อาศัย โดยเดือนพฤษภาคม พ.ศ. 2564 มีปริมาณการใช้ไฟฟ้ามากที่สุดถึง 30,990,834.92 กิโลวัตต์/ชั่วโมง และเดือนกุมภาพันธ์ พ.ศ. 2564 มีปริมาณการใช้ไฟฟ้าต่ำที่สุด เท่ากับ 19,452,248.85 กิโลวัตต์/ชั่วโมง
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ลงตีพิมพ์เป็นข้อคิดเห็นของผู้เขียนเท่านั้น
ผู้เขียนจะต้องเป็นผู้รับผิดชอบต่อผลทางกฎหมายใดๆ ที่อาจเกิดขึ้นจากบทความนั้น
References
Economic base. (2021). 21 Korat boom that surged 80,000,000 per rai of motorway - high speed fireworks center ERA. [Online]. Available: http://www.thansettakij.com
Nakhon Ratchasima Provincial Statistical Office. (2013). Nakhon Ratchasima population data Report. [Online]. Available: http://nkrat.nso. go.th/
National Housing Authority. (2018). Population data Report. [Online]. Available: http://nhic.nha.go.th/ [4] S. Suphacan, “Forecasting electricity consumpion in Thailand using the SARIMA – GP hybrid model with new kernel function,” Ph.D. thesis, College of Research Methodology and Cognitive Science, Burapha University, Chonburi, Thailand, 2018 (in Thai).
T. Sutthison, “A comparison of the forecasting methods of the electricity consumption of Ubon Ratchathani Rajabhat university,” Journal of Industrial Ubon Ratchathani Rajabhat University, vol. 7, no. 1, pp. 58–74, 2018 (in Thai).
N. Kaewhawong, “Forecasting electricity consumption of Thailand by using SARIMA and regression model with ARIMA error,” Thai Journal of Science and Technology, vol. 4, no. 1, pp. 24–36, 2015 (in Thai).
N. Konkrua and K. Boonlha, “Forecasting power units quantity distributed Phitsanulok province,” Journal of Science Ladkrabang, vol. 25, no. 2, pp. 54–56, 2016 (in Thai).
G. E. P. Box, G. M. Jenkins, G. C. Reinsel, and G. M. Ljung, Time Series Analysis: Forecasting and Control, 5th ed. New Jersey, John Wiley & Sons, 2016.
V. Sysunam and N. Nanthasamroeng, “Electricity demand forecasting for Champasak province in Lao PDR using Winter’s method with optimizing level, trend and seasonality smoothing constant,” Thai Industrial Engineering Network Journal, vol. 4, no. 2, pp. 51–58, 2018 (in Thai).
C. Theeraviriya, “A comparison of the forecasting method for electric energy demand in Nakhonphanom province,” Naresuan University Journal, vol. 25, no. 4, pp. 124–137, 2017 (in Thai).