人工神經(jīng)網(wǎng)絡(luò)(ANN)，受生物神經(jīng)網(wǎng)絡(luò)啟發(fā)的某些形式的計算機邏輯和體系結(jié)構(gòu)(例如我們腦中的神經(jīng)網(wǎng)絡(luò))是一種在現(xiàn)實世界中具有巨大潛力的工具。人工神經(jīng)網(wǎng)絡(luò)絕對不僅限于將其用作研究人工智能理論概念的媒介-這些計算結(jié)構(gòu)已成功應(yīng)用于現(xiàn)實世界的任務(wù)，例如金融或醫(yī)學(xué)領(lǐng)域的自動決策，各種生物特征識別系統(tǒng)中的模式識別，機器人技術(shù)，互聯(lián)網(wǎng)數(shù)據(jù)挖掘，甚至電子郵件垃圾郵件過濾。因此，在電能生產(chǎn)和分配領(lǐng)域中看到人工網(wǎng)絡(luò)可能并不奇怪。

在arXiv.org上最近發(fā)表的一篇論文中，一組科學(xué)家研究了應(yīng)用人工神經(jīng)網(wǎng)絡(luò)方法預(yù)測電能消耗的可能性。作者或研究認為，人工神經(jīng)網(wǎng)絡(luò)已經(jīng)證明了其預(yù)測未來事件狀態(tài)和優(yōu)化可用資源的潛力?？茖W(xué)家說：“為了有效地進行電力系統(tǒng)的規(guī)劃和運營，能源運營商需要最佳的預(yù)測工具，以使利潤最大化，并為能源消費者提供最大的滿意度。” 除了財務(wù)方面，能源生產(chǎn)和分配系統(tǒng)的安全性是另一個重要的預(yù)測方面，包括負荷預(yù)測和系統(tǒng)漏洞的提前檢測。

預(yù)測消耗的電能有多困難?考慮到與季節(jié)相關(guān)的原因，這是我們考慮能源費用時首先想到的事情，它的數(shù)量及其動態(tài)變化可能看起來非常明顯。但是，這種預(yù)測與其他一些因素密切相關(guān)：歷史電網(wǎng)負荷，平均相對濕度，居住在特定地理區(qū)域內(nèi)的人口，甚至人均GDP甚至可能更高。因此，預(yù)測變得更加困難。

團隊提出的研究基于1994年至2013年間在加沙地帶(巴勒斯坦)中收集的每月電能消耗數(shù)據(jù)。該地區(qū)的能源需求通常無法滿足，因此，加沙地帶成為了該地區(qū)的主要能源。研究有限能源有效利用的理想之地。

選擇前饋類型的人工神經(jīng)網(wǎng)絡(luò)來實現(xiàn)特定的預(yù)測模型。所提出的模型使用2-Fold和K-Fold交叉驗證技術(shù)進行了驗證，并應(yīng)用了幾種錯誤準則來評估基于ANN的預(yù)測的準確性。作者說，在使用實際數(shù)據(jù)測試開發(fā)的模型后，結(jié)果“具有良好的準確性，并表明所提出的ANN模型可用于預(yù)測未來的電能消耗趨勢”。本文沒有提供有關(guān)如何實現(xiàn)預(yù)測模型的許多技術(shù)細節(jié)，這有點令人失望，但希望我們能看到這種發(fā)展應(yīng)用于實際電網(wǎng)中。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！