การพยากรณ์ปริมาณการใช้ไฟฟ้าสำหรับบ้านที่อยู่อาศัยรายเดือน กรณีศึกษา: พื้นที่อำเภอเมือง จังหวัดนครราชสีมาForecasting of Electricity Consumption for Residential Houses Monthly Case Study: Muang District, Nakhon Ratchasima Province

Abstract

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

The purpose of this research is to study and compare forecasting methods for forecasting monthly electricity consumption of residential houses at Muang District, Nakhon Ratchasima. Data during January 2013 to June 2020 from Nakhon Ratchasima Provincial Statistical Office was collected with the amount of 90 values. The researcher divided the data into 2 sets. The first data set from January 2013 to June 2019 of 78 values was used to prepare three forecast models, i.e. the ARIMA model, the Multiplicative Winter model, and the Decomposition model. The second data set from July 2019 to June 2020 of 12 value was used to compare and verify the accuracy to select the most suitable criteria to compare and forecast errors of each model which are Mean Absolute Percentage Error (MAPE) and Root Mean Square Error (RMSE). The results of the study showed that the Multiplicative Winter model is suitable for forecasting residential household electricity consumption. The highest electricity consumption was in May 2021 of 30,990,834.92. KW / hour while the lowest electricity consumption was in February, 2021 of 19,452,248.85. KW/hour.