Der tägliche und stündliche Energieverbrauch und die Lastprognose unter Verwendung der Methode der künstlichen neuronalen Netze: Eine Fallstudie mit einer Gruppe von 93 Haushalten in Portugal

Es ist wichtig, den typischen oder einen besonders typischen täglichen Verbrauch eines Haushalts zu verstehen und vorherzusagen, um geeignete Systeme für erneuerbare Energien und Energiespeicherung zu entwerfen und dimensionieren. In dieser Forschung zur Kurzzeitlastprognose (STLF) wurden künstliche neuronale Netze (ANN) verwendet, und trotz der Unvorhersehbarkeit des Verbrauchs wurde die Möglichkeit gezeigt, den Stromverbrauch eines Haushalts mit Sicherheit vorherzusagen. Die ANNs werden als potenzielle Methodologie zur Modellierung von stündlichem und täglichem Energieverbrauch sowie zur Lastprognose anerkannt. Eingangsvariablen wie die Wohnungsgröße, die Anzahl der Bewohner, der Verbrauch elektrischer Geräte und boolesche Eingaben wie das stündliche Zählsystem wurden berücksichtigt. Darüber hinaus zielt die durchgeführte Untersuchung darauf ab, eine ANN-Architektur und einen Trainingsalgorithmus zu definieren, um ein robustes Modell zu erreichen, das zur Vorhersage des Energieverbrauchs in einem typischen Haushalt verwendet werden kann. Es wurde beobachtet, dass ein Feed-Forward-ANN und der Levenberg-Marquardt-Algorithmus eine gute Leistung erbrachten. Für diese Forschung wurde eine Datenbank mit Verbrauchsdaten verwendet, die in 93 realen Haushalten in Lissabon, Portugal, zwischen Februar 2000 und Juli 2001 erfasst wurden, einschließlich Wochentagen und Wochenenden. Die Ergebnisse zeigen, dass der ANN-Ansatz ein zuverlässiges Modell zur Vorhersage des elektrischen Energieverbrauchs und des Lastprofils von Haushalten bietet. © 2014 Der Autor.