การประยุกต์ใช้เทคนิคการทำเหมืองข้อมูลในการวิเคราะห์พฤติกรรมการใช้ไฟฟ้าของผู้ใช้ไฟฟ้าในประเทศไทย
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อศึกษาความสัมพันธ์ระหว่างประเภทผู้ใช้ไฟฟ้าและลำดับการใช้ไฟฟ้าในแต่ละเดือน วิเคราะห์รูปแบบการใช้ไฟฟ้าด้วยอัลกอริทึมเอพริโอริ และเสนอแนะนโยบายพลังงานจากผลการวิเคราะห์ โดยใช้กลุ่มตัวอย่าง คือ ข้อมูลการใช้ไฟฟ้าจากฐานข้อมูลภาครัฐครอบคลุมผู้ใช้ไฟฟ้าประเภทที่อยู่อาศัย ธุรกิจทั่วไป อุตสาหกรรมขนาดใหญ่ ผู้ใช้ไฟฟ้าสำรอง และธุรกิจเฉพาะทาง จำนวนข้อมูลตัวอย่างทั้งหมด 3,562 รายการ ซึ่งแตกต่างจากงานวิจัยอื่นที่มักเน้นข้อมูลจากมิเตอร์อัจฉริยะหรือบิลเติมเงินล่วงหน้า เทคนิคที่ใช้ในการวิจัย คือ เทคนิคการทำเหมืองข้อมูลผ่านอัลกอริทึมเอพริโอริ ซึ่งมีข้อได้เปรียบเหนือวิธีการจัดกลุ่ม (Clustering) หรือการพยากรณ์ (Prediction) ตรงที่สามารถค้นพบความสัมพันธ์เชิงกฎเกณฑ์ได้โดยไม่ต้องกำหนดจำนวนกลุ่มล่วงหน้า สถิติที่ใช้ในการวิจัย คือ ค่าความเชื่อมั่นและค่าความสัมพันธ์ ผลการวิจัยพบว่า กลุ่มอุตสาหกรรมขนาดใหญ่และธุรกิจมีปริมาณการใช้ไฟฟ้าสูงสุดทุกเดือน กลุ่มผู้ใช้ไฟฟ้าสำรองมีการใช้ไฟฟ้าต่ำสุด ส่วนกลุ่มที่อยู่อาศัยที่ใช้ไฟฟ้าต่ำกว่า 150 หน่วยและธุรกิจทั่วไปอยู่ในลำดับกลาง อีกทั้งอัลกอริทึมเอพริโอริแสดงความแม่นยำสูงในการค้นพบความสัมพันธ์ที่มีนัยสำคัญ สามารถนำไปพัฒนานโยบาย เช่น การจัดสรรทรัพยากรพลังงานให้เหมาะสมสำหรับอุตสาหกรรม การปรับโครงสร้างอัตราค่าสำรองไฟฟ้า และส่งเสริมการใช้ไฟฟ้าอย่างมีประสิทธิภาพในที่อยู่อาศัยและธุรกิจทั่วไปเพื่อสร้างระบบพลังงานที่ยั่งยืน ซึ่งต้องอาศัยผลลัพธ์ที่สำคัญ เช่น ความสัมพันธ์ระหว่างอุตสาหกรรมกับการใช้ไฟฟ้าสูง สามารถนำไปใช้จริงในการวางแผนเพิ่มกำลังการผลิตในช่วงความต้องการสูงได้
Article Details

อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
AbuBaker, M. (2019). Data mining applications in understanding electricity consumers’ behavior: A case study of Tulkarm District, Palestine. Energies, 12(22), Article 4287. https://doi.org/10.3390/en12224287
Akgül, E., Delice, Y., Kızılkaya Aydoğan, E., & Boran, F. E. (2021). An application of fuzzy linguistic summarization and fuzzy association rule mining to Kansei Engineering: A case study on cradle design. Journal of Ambient Intelligence and Humanized Computing, 12, 2533-2563. https://doi.org/10.1007/s12652-021-03292-9
Arreeras, T., Arimura, M., Asada, T., & Arreeras, S. (2019). Association rule mining tourist-attractive destinations for the sustainable development of a large tourism area in Hokkaido using Wi-Fi tracking data. Sustainability, 11(14), Article 3967. https://doi.org/10.3390/su11143967
ICT Center. (2024). National electricity consumption by user type. Office of Energy Policy and Planning, Ministry of Energy. https://gdcatalog.go.th/dataset/gdpublish-dataset-11-341 (in Thai)
Kuisma, N. (2019). Leveraging association rule mining to accelerate sales: Case Teknos Group Oy paint store transaction data [Master’s thesis, Aalto University]. https://urn.fi/URN:NBN:fi:aalto-202001261778
Li, Z., Li, X., Tang, R., & Zhang, L. (2020). Apriori algorithm for the data mining of global cyberspace security issues for human participatory based on association rules. Frontiers in Psychology, 11, Article 582480. https://doi.org/10.3389/fpsyg.2020.582480
Santoso, M. H. (2021). Application of association rule method using apriori algorithm to find sales patterns case study of indomaret tanjung anom. Brilliance: Research of Artificial Intelligence, 1(2), 55-64. https://doi.org/10.47709/brilliance.v1i2.1228