การพยากรณ์ปริมาณความต้องการพลังงานระยะสั้นในประเทศไทย

Abstract

งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบรูปแบบการพยากรณ์ที่เหมาะสม สำหรับการพยากรณ์ปริมาณความต้องการพลังงานระยะสั้นในประเทศไทย โดยใช้ข้อมูลจากสำนักงานนโยบายและแผนพลังงาน กระทรวงพลังงาน ระหว่างเดือนกรกฎาคม พ.ศ. 2560 ถึงเดือน กันยายน พ.ศ. 2563 จำนวน 39 ค่า ซึ่งข้อมูลจะถูกแบ่งออกเป็น 2 ชุด คือ ชุดที่ 1 ตั้งแต่เดือนกรกฎาคม พ.ศ. 2560 ถึงเดือนธันวาคม พ.ศ. 2562 จำนวน 30 ค่า เพื่อใช้สำหรับการศึกษาและเปรียบเทียบความเหมาะสมของรูปแบบการพยากรณ์ทั้ง 6 รูปแบบ ได้แก่ 1) รูปแบบค่าเฉลี่ยเคลื่อนที่ 2) รูปแบบแนวโน้มเชิงเส้น 3) รูปแบบปรับเรียบเอ็กซ์โพแนนเชียลอย่างง่าย 4) รูปแบบปรับเรียบเอ็กซ์โพแนนเชียลแบบสองครั้ง 5) รูปแบบปรับเรียบเอ็กซ์โพแนนเชียลแบบสามครั้ง และ 6) รูปแบบแยกส่วนประกอบ จากนั้นจะเลือกรูปแบบการพยากรณ์ที่เหมาะสมกับข้อมูลที่ทำการศึกษามากที่สุด โดยพิจารณาจากรูปแบบการพยากรณ์ที่ให้ค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อนสมบูรณ์ และค่าเฉลี่ยความคลาดเคลื่อนสมบูรณ์เฉลี่ยที่ต่ำที่สุด และเมื่อเลือกรูปแบบการพยากรณ์ที่เหมาะสมที่สุดได้แล้ว จึงนำมาคำนวณหาช่วงการพยากรณ์ล่วงหน้า 3 เดือน 6 เดือน และ 9 เดือน กับข้อมูลชุดที่ 2 คือข้อมูลตั้งแต่เดือนมกราคม พ.ศ. 2563 ถึงเดือนกันยายน พ.ศ. 2563 จำนวน 9 ค่า ผลการศึกษาพบว่า รูปแบบแยกส่วนประกอบ เป็นรูปแบบการพยากรณ์ที่มีความเหมาะสมที่สุดกับข้อมูลปริมาณความต้องการพลังงานระยะสั้นในประเทศไทยมากที่สุด และเหมาะสมสำหรับการพยากรณ์ล่วงหน้า 3 เดือน

The purpose of this research was comparing of the most appropriate forecasting methods for predicting of short-term energy demand in Thailand. The data, gathered from Energy Policy and Planning Office, Ministry of Energy between July 2017 and September 2020, of 39 values were used and separated into two groups. The first group was contained 30 values between July 2017 and December 2019 for studying and comparing the most appropriate forecasting methods by (1) Moving Average Method, 2) Trend Analysis Method, 3) Single Exponential Smoothing Method, 4) Double Exponential Smoothing Method, 5) Triple Exponential Smoothing Method, and 6) Decomposition Method. The suitable forecasting method was chosen by considering the smallest value of Mean Absolute Percent Error (MAPE) and Mean Absolute Deviation (MAD). Then the selected most appropriate method was used to determine the most suitable forecasting period by the second group which was contained 9 values from January 2020 to September 2020 for finding the most appropriate for the predictive timing. The result indicated that Decomposition Method was the best and suitable for forecasting in advance of 3 months.