การพยากรณ์ปริมาณการใช้ไฟฟ้าสำหรับกิจการเฉพาะรายรายเดือน กรณีศึกษา: พื้นที่อำเภอเมือง จังหวัดนครราชสีมา
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบวิธีการพยากรณ์สำหรับการพยากรณ์ปริมาณการใช้ไฟฟ้ากิจการเฉพาะรายรายเดือน กรณีศึกษา: พื้นที่อำเภอเมือง จังหวัดนครราชสีมา โดยใช้ข้อมูลจากสำนักงาน สถิติจังหวัดนครราชสีมา ตั้งแต่เดือนมกราคม พ.ศ. 2556 ถึงเดือนมิถุนายน พ.ศ. 2563 จำนวน 90 ค่า โดยแบ่งข้อมูลออกเป็น 2 ชุด ข้อมูลชุดที่ 1 ตั้งแต้เดือนมกราคม พ.ศ. 2556 ถึงเดือนมิถุนายน พ.ศ. 2562 จำนวน 78 ค่า เพื่อนำมาสร้างตัวแบบ โดยในงานวิจัยนี้ใช้ตัวแบบการพยากรณ์ 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 ตัวแบบอารีมาเหมาะสมกับการพยากรณ์ปริมาณการใช้ไฟฟ้ากิจการเฉพาะราย โดยเดือนมีนาคม พ.ศ. 2564 มีปริมาณการใช้ไฟฟ้า มากที่สุดถึง 3,397,843.30 กิโลวัตต์/ชั่วโมง และเดือนธันวาคม พ.ศ. 2564 มีปริมาณการใช้ไฟฟ้าต่ำที่สุดเท่ากับ 2,539,831.42 กิโลวัตต์/ชั่วโมง
Article Details
References
Economic Base. (2021). Korat Boom That Surged 80,000,000 Per Rai of Motorway - High Speed Fireworks Center ERA. Access (23 August 2020). Available (http://www.thansettakij.com)
Nakhon Ratchasima Provincial Statistical Office. (2013). Nakhon Ratchasima Population Data Report. Access (25 August 2020). Available (http://nkrat.nso.go.th/)
Thomgkam, J. and Sukmak, V. (2021). Predicting Breast Cancer Patient Survival. RMUTI Journal of Science and Technology. Vol. 14, No. 1, pp. 44-54
National Housing Authority. (2018). Population Data Report. Access (25 August 2020). Available (http://nhic.nha.go.th/)
Suphacan, S. (2015) Forecasting Electricity Consumption in Thailand Using the SARIMA - GP Hybrid Model with New Kernel Function.Research Methodology and Cognitive Science Burapha University. Chonburi Thailand
Yuk, W. and Thongkham, J. (2018) Comparison of Time Series Techniques for Predicting Gold and Oil Prices. RMUTI Journal of Science and Technology. Vol. 11, No. 2, pp. 154-167
Sutthison, T. (2018). A Comparison of the Forecasting Methods of the Electricity Consumption of Ubon Ratchathani Rajabhat University. Journal of Industrial Ubon Ratchathani Rajabhat University. Vol. 8, No. 1, pp. 58-74
Kaewhawong, N. (2015). 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
Thirawiriya, C. (2017). Comparison of Forecasting Methods for Electricity Demand in Nakhon Phanom Province. Industrial Engineering Faculty of Engineering, Nakhon Phanom University
Konkrua, N. and Boonlha, K. (2016). Forecasting Power Units Quantity Distributed Phitsanulok Province. Journal of Science Ladkrabang. Vol. 25, No. 2, pp. 54-56
Box, G. E. P. Jenkins, G. M. Rinses, G. C., and Ljung, G. M. (2016). Time Series Analysis: Forecasting and Control. Fifth Edition. New Jersey, John Wiley & Sons
Sysunam, V. and Nanthasamroeng, N. (2018). 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
Theeraviriya, C. (2017). A Comparison of the Forecasting Method for Electric Energy Demand in Nakhonphanom Province. Naresuan University Journal: Science and Technology. Vol. 25, No. 4, pp. 124-137