在过去的电力几十年里,对于供应商和电网管理者来说,需求寻找更准确的研究预测方法来预测能源消耗一直是一项毫无结果的活动,因为大多数电网仍然依赖于主要参考消费历史和天气预报的人员人工预测模型。
公路和铁路交通数据与活动密切相关,使用通过这个网格管理人员可以更好地了解城市或城镇的电力哪些地区需要电力,哪些地区需要较少的需求电力。在测试中,研究预测将人工智能模型与传统的人员人工能源消耗预测模型相结合,可以在能源消耗发生前两到六个小时做出准确的使用预测。
实时模型还能够在危机时期提供准确性,电力例如在自然灾害之后或发生另一场大流行病时。需求如果行为发生变化,交通和铁路数据将能够迅速识别,并将能量转移到城市的不同区域。
随着电动汽车数量的增长,交通和电力需求之间的联系将变得更加紧密。这意味着交通数据在预测用电量方面可能变得更加重要。
由于风能和太阳能大量涌入国家电网,能源供应的波动变得更加明显,因此对消耗量进行最准确的预测,对于电网运营商避免电力不足或停电至关重要。再加上对能源日益增长的需求,过去的预测模型可能无法保持高水平的准确性。
在确定人工智能模型是否可以补充传统模型的后续测试中,研究人员发现,它只会略微提高准确性。目前,人工智能似乎可以嵌入到其他模型中,以提供更高的准确性。
责任编辑:姜华 来源: 千家网 人工智能电网管理(责任编辑:焦点)
新三板投资者信心回暖 市场结构更加完备 期待“搭好台子唱好戏”
中国煤层气(08270.HK)年度亏损收窄至3622.4万元 每股亏损为人民币3.08分
罚单月月领!农业银行再度被罚50万元:贷前不尽职,贷后管理不到位
2016年云南省社保基金收入持续增加 首次突破1000亿元大关