Использование искусственной нейронной сети при прогнозировании электрической нагрузки

Каждый год наблюдается рост развития с последующим увеличением потребности в электрической энергии. В связи с этим необходимо прогнозировать количество потребителей и спрос на электроэнергию, чтобы поставщики электроэнергии могли предоставлять электроэнергию по мере необходимости и минимизировать отключения. При прогнозировании используется метод искусственной нейронной сети (ИНС), работающей по методу Backprop. Преимуществом этого метода является удобство в формулировании данных прогнозистов, а также гибкость в изменении. Используются алгоритм обучения Левенберга-Марквардта, переменная скорость обучения по Грейденту и квази-Ньютону. Наиболее точные результаты можно увидеть, если посмотреть на наименьший средний процент ошибок, полученный на всех трех алгоритмах обучения. Результаты обучения с помощью trainlm, traindx и trainbfg показывают, что результирующая ошибка достаточно мала и составляет 0,194%, 0,15% и 0,14%. Результаты обучения показывают, что искусственная нейронная сеть (ИНС) хорошо подходит для применения в прогнозировании.