The Development of a Hybrid Model for Forecasting Time Series Data of Monthly Household Electrical Distribution Units of People in the Northeast, Thailand

Abstract

การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อพัฒนาตัวแบบที่เหมาะสมในการพยากรณ์ข้อมูลอนุกรมเวลาปริมาณหน่วยจำหน่ายไฟฟ้าบ้านอยู่อาศัยรายเดือนของประชาชนในเขตภาคตะวันออกเฉียงเหนือ เก็บรวบรวมข้อมูลจากการไฟฟ้าส่วนภูมิภาคตั้งแต่เดือนมกราคม 2552 ถึงเดือนพฤษภาคม 2562 จำนวน 127 ค่า จำนวน 3 ชุดข้อมูล คือ กฟฉ.1 กฟฉ.2 และ กฟฉ.3 การพัฒนาตัวแบบผู้วิจัยประยุกต์ใช้เทคนิคการวิเคราะห์ข้อมูลเชิงประจักษ์เพื่อลดสัญญาณแกว่งไว (Fast Oscillation) ของข้อมูลก่อนนำไปพยากรณ์ด้วยตัวแบบอนุกรมเวลาเชิงเดี่ยว 2 วิธี คือ วิธีปรับให้เรียบเอ็กซ์โพเนนเชียลแบบโฮลท์-วินเทอร์ (Holt –Winters Exponential Smoothing Method) และตัวแบบอารีมาแบบมีฤดูกาล (Seasonal Auto – Regressive Integrated Moving Average) จากนั้นนำมาสร้างตัวแบบผสม (Hybrid Forecasting Model) ด้วยเทคนิคการพยากรณ์ร่วมและเปรียบเทียบประสิทธิภาพการพยากรณ์ด้วยเกณฑ์การวัดประสิทธิภาพ 5 เกณฑ์ ได้แก่ 1) ความคลาดเคลื่อนสัมบูรณ์เฉลี่ย 2) รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย 3) ร้อยละของความคลาดเคลื่อนสัมบูรณ์เฉลี่ย 4) เปอร์เซ็นต์ของมัธยฐานความคลาดเคลื่อนสัมบูรณ์ และ 5) เปอร์เซ็นต์ของความคลาดเคลื่อนสัมบูรณ์เฉลี่ยแบบมาตรฐาน ผลการวิจัยบ่งชี้ว่าตัวแบบผสมที่พัฒนาขึ้น มีประสิทธิภาพการพยากรณ์ดีกว่าตัวแบบอนุกรมเวลาเชิงเดี่ยว 2 ตัวแบบ ทุกเกณฑ์การวัดประสิทธิภาพการพยากรณ์ ดังนั้น สรุปได้ว่าตัวแบบผสมเป็นตัวแบบที่เหมาะสมสำหรับการพยากรณ์ข้อมูลอนุกรมเวลาปริมาณหน่วยจำหน่ายไฟฟ้าบ้านอยู่อาศัยรายเดือนของประชาชนในเขตภาคตะวันออกเฉียงเหนือของประเทศไทย

The objective of this research was to develop a suitable model for forecasting time series data of monthly household electrical distribution units of people in the Northeast, Thailand. Data were collected from the Provincial Electricity Authority from January 2009 – May 2019, a total of 127 values, consisting of 3 data sets, namely EGAT 1, EGAT 2, and EGAT 3. For the development of the model, the researcher applied empirical mode decomposition to reduce Fast Oscillation of the data before being forecasted by two univariate time series models, including Holt –Winters Exponential Smoothing Method and Seasonal Auto-regressive integrated moving average. After that, a hybrid forecasting model was created using combined forecasting method. In addition, the forecasting efficiency was compared by 5 performance measurement criteria, 1) namely Mean Absolute Error, 2) Root Mean Square Error, 3) Mean Absolute Percentage Error, 4) Median Absolute Percentage Error and 5) Symmetric Mean Absolute Percentage Error. The findings indicated that the forecasting efficiency of the developed model was better than two univariate time series models in all criteria. Therefore, it can be concluded that the hybrid model is the suitable model for forecasting time series data of monthly household electrical distribution units of people in the Northeast, Thailand.