วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2555

งานวิจัยนี้ได้ศึกษาวิธีการพยากรณ์อุปสงค์พลังงานไฟฟ้า (Electrical Energy Consumption) ของประเทศไทยในระยะยาวด้วยวิธีโครงข่ายประสาทเทียม (Artificial Neural Network) โดยได้นำโครงข่ายประสาทเทียมแบบแพร่ย้อนกลับ (Back-Propagation Neural Network: BPNN) มาใช้ในการพยากรณ์พลังงานไฟฟ้าของประเทศไทยช่วง พ.ศ. 2555-2573 โดยมีช่วงฝึกสอนตั้งแต่ พ.ศ.2537-2549 และช่วงทดสอบตั้งแต่ พ.ศ.2550-2554 โดยตัวแปรป้อนเข้าในแบบจำลองจะพิจารณาจากตัวแปรด้านเศรษฐศาสตร์ ดินฟ้าอากาศ สังคมศาสตร์ และอุตสาหกรรม โดยพิจารณาตัวแปรที่มีความสัมพันธ์กับค่าพลังงานไฟฟ้าที่ดี (Strong parameter) ไปออกแบบโครงข่ายประสาทเทียม ส่วนตัวแปรที่มีความสัมพันธ์ไม่ดี (Weak parameter) จะถูกคัดออก การศึกษาและออกแบบทำให้ได้โครงข่ายประสาทเทียม 1 ชั้นซ่อน ที่มี 4 นิวรอนเป็นฟังก์ชันเส้นตรงและมีตัวแปรป้อนเข้าแบบจำลอง 4 ตัวแปร คือ ผลผลิตมวลรวมในประเทศ (GDP) จำนวนลูกค้าการไฟฟ้า (Customer) ดรรชนีอุตสาหกรรม (Industrial Index) และจำนวนนักท่องเที่ยวต่างชาติ (Foreign Tourist) ส่วนตัวแปรผลลัพธ์มี 1 ตัวแปรคือ อุปสงค์พลังงานไฟฟ้า ผลการศึกษาสามารถสรุปได้ว่าวิธีโครงข่ายประสาทเทียมแบบแพร่ย้อนกลับสามารถพยากรณ์ได้แม่นยำกว่าวิธีของคณะอนุกรรมการพยากรณ์แห่งประเทศไทย (Thailand Load Forecast Sub-Committee : TLFS) ที่ถูกใช้ในแผนพัฒนาแหล่งผลิตไฟฟ้า ฉบับ พ.ศ. 2553-2573 (ทบทวนครั้งที่ 2) โดยวิธีโครงข่ายประสาทเทียมมีค่าร้อยละความคลาดเคลื่อนเฉลี่ยสัมบูรณ์ (Mean Percentage Absolute Error: MAPE) เท่ากับ 2.5% ส่วนวิธีของคณะอนุกรรมการฯ ฉบับ เม.ย. 2553 มีค่าเท่ากับ 4.54%