fa ارائه یک موتور پیش بینی مبتنی بر ترکیب اطلاعات جهت پیش بینی قیمت در بازارهای برق تخصصي Special پژوهشي Research در بازارهای برق تجدیدساختاریافته، ییش‎بینی صحیح قیمت اهمیت فراوانی برای تمامی شرکت‌کنندگان بازار دارد. به دلیل ویژگی‌های خاص و پیچیدگی‌های سیگنال قیمت بازار، یک موتور پیش‌بینی نمی‌تواند به تنهایی تمامی الگوهای مختلف موجود در سیگنال قیمت را شناسایی و مدل نمایند. بنابراین، جهت افزایش صحت پیش بینی‌ها، این مقاله یک روش هیبرید کننده ارائه می‌دهد تا بتواند از به صورت همزمان از مزیت‌های چند موتور پیش‌بین استفاده نماید. در روش پیشنهادی سه موتور پیش‌بین مقدماتی پیش‌بینی‌هایی مستقل از قیمت بازار برق ارائه می‌دهند. سه موتور پیش‌بینی مقدماتی استفاده شده در این مقاله عبارتند از: شبکه‌های عصبی مصنوعی چند لایه، سیستم استنتاج تطبیقی فازی-عصبی (ANFIS) و روش میانگین متحرک خودگردان (ARMA). سپس یک الگوریتم ترکیب اطلاعات جدید ارائه شده است که این سه پیش‌بینی مستقل را با یکدیگر ترکیب نموده تا یک پیش‌بینی واحد از قیمت برق ارائه نماید. روش پیشنهادی از میزان خطای گذشته موتورهای پیش‌بین مقدماتی بازخورد گرفته تا میزان تاثیر آن‌ها را در پیش‌بینی نهایی تنظیم نماید. روش پیشنهادی بر روی داده‌های قیمت بازار اسپانیا اعمال شده اند تا کارایی آن ارزیابی شود. نتایج نشان می‌دهد که روش پیشنهادی می‌تواند پیش بینی‌هایی ارائه دهد که از هرکدام از پیش بینی‌های موتورهای مقدماتی بهتر است. In restructured electricity markets, accurate price forecasting plays an important role for all market participants. Due to the complexity and distinct nature of the electricity price, a single forecast engine cannot capture and model all different patterns in price signals. As a result, to improve forecast accuracies, this paper proposes a hybrid method to use advantages of several forecast engines simultaneously. In the proposed method, three primary engines, artificial neural networks (ANN), adaptive neuro-fuzzy inference systems (ANFIS), and autoregressive moving average (ARMA), provides three independent forecasts of the price. Then, a new fusion algorithm combines these three forecasts to obtain a unified single price forecast. The proposed method obtains feedback from previous error of the primary forecast engines to adjust their effect on the final forecast. The proposed method is evaluated using price data of Spanish electricity market. Results indicate that the proposed method outperform each primary forecasting engine. بازار برق, پیش بینی قیمت, ترکیب اطلاعات(فیوژن), میانگین موزون ترتیبی, انتگرال فازی چکوئیت Electricity market, price forecasting, data fusion, ordered weighted average (OWA), Fuzzy Choquet integral 33 41 http://ieijqp.ir/browse.php?a_code=A-10-353-1&slc_lang=fa&sid=1 Ali Darudi علی درودی al-darudi@stu-mail.um.ac.ir 1003194753284600916 1003194753284600916 No Ferdowsi University of Mashhad دانشگاه فردوسی مشهد Masoud Bashari مسعود بشری masoudbashari@alumni.ut.ac.ir 1003194753284600917 1003194753284600917 No Mashhad دانشگاه فردوسی مشهد Mohammad Hossein Javidi محمد حسین جاویدی دشت بیاض h-javidi@um.ac.ir 1003194753284600918 1003194753284600918 Yes Mashhad دانشگاه فردوسی مشهد