使用人工神经网络预测电能消耗
人工神经网络(ANN)，受生物神经网络启发的某些形式的计算机逻辑和体系结构(例如我们脑中的神经网络)是一种在现实世界中具有巨大潜力的工具。人工神经网络绝对不仅限于将其用作研究人工智能理论概念的媒介-这些计算结构已成功应用于现实世界的任务，例如金融或医学领域的自动决策，各种生物特征识别系统中的模式识别，机器人技术，互联网数据挖掘，甚至电子邮件垃圾邮件过滤。因此，在电能生产和分配领域中看到人工网络可能并不奇怪。
在arXiv.org上最近发表的一篇论文中，一组科学家研究了应用人工神经网络方法预测电能消耗的可能性。作者或研究认为，人工神经网络已经证明了其预测未来事件状态和优化可用资源的潜力。科学家说：“为了有效地进行电力系统的规划和运营，能源运营商需要最佳的预测工具，以使利润最大化，并为能源消费者提供最大的满意度。” 除了财务方面，能源生产和分配系统的安全性是另一个重要的预测方面，包括负荷预测和系统漏洞的提前检测。
预测消耗的电能有多困难?考虑到与季节相关的原因，这是我们考虑能源费用时首先想到的事情，它的数量及其动态变化可能看起来非常明显。但是，这种预测与其他一些因素密切相关：历史电网负荷，平均相对湿度，居住在特定地理区域内的人口，甚至人均GDP甚至可能更高。因此，预测变得更加困难。
团队提出的研究基于1994年至2013年间在加沙地带(巴勒斯坦)中收集的每月电能消耗数据。该地区的能源需求通常无法满足，因此，加沙地带成为了该地区的主要能源。研究有限能源有效利用的理想之地。
选择前馈类型的人工神经网络来实现特定的预测模型。所提出的模型使用2-Fold和K-Fold交叉验证技术进行了验证，并应用了几种错误准则来评估基于ANN的预测的准确性。作者说，在使用实际数据测试开发的模型后，结果“具有良好的准确性，并表明所提出的ANN模型可用于预测未来的电能消耗趋势”。本文没有提供有关如何实现预测模型的许多技术细节，这有点令人失望，但希望我们能看到这种发展应用于实际电网中。
标签： 人工神经网络