国际群体智能与进化计算杂志

抽象的

利用人工神经网络进行负荷和可再生能源的短期预测

拉姆·斯里尼瓦桑、文基·巴拉苏布拉马尼安、布瓦纳·塞尔瓦拉杰

负荷预测是一种用于预测电池管理中电力负荷需求的技术。一般来说，用于短期电力负荷预测 (STLF) 的汇总水平包括从多个来源收集的数值或非数值信息，这有助于获得准确的数据和有效的预测。然而，汇总水平无法准确预测数值数据的验证和测试阶段，包括辐照度水平 (W/m2) 和光伏输出功率 (W) 的实时测量。由于现有每周、每日和每年周期负荷数据中电器的随机使用会导致波动，因此预测也是一个挑战。在本研究中，我们通过使用贝叶斯正则化 (BR) 和 Levenberg-Marquardt (LM) 算法等人工神经网络 (ANN) 方法克服了这一挑战。基于 ANN 的方法实现的 STLF 可以提高预测准确性。在 ANN 的开发阶段，分析了 BR 和 LM 算法的整体性能。用于训练和测试 ANN 的输入层、隐藏层和输出层共同预测 24 小时电力需求。结果表明，利用 LM 和 BR 算法可以为可再生能源电力需求估算提供高效的架构。