Un modelo híbrido de pronóstico de carga eléctrica industrial a largo plazo utilizando ANFIS optimizado con programación de expresión genética

El pronóstico de la demanda de energía eléctrica es vital en los sistemas de potencia contemporáneos, especialmente en medio de las tendencias de desregulación del mercado y la creciente influencia de los clientes industriales en la dinámica del poder. Sin embargo, los modelos de pronóstico existentes enfrentan desafíos como la convergencia lenta y la alta complejidad. Abordando estos problemas, este estudio propone un modelo de pronóstico híbrido que combina el Sistema de Inferencia Neuro-Fuzzy Adaptativo (ANFIS) con la Programación de Expresión Genética (GEP) para mejorar las predicciones del consumo de energía eléctrica. Validado con datos de carga eléctrica mensual en tiempo real de un usuario industrial en Uganda, el modelo híbrido supera a los modelos individuales de ANFIS y GEP, demostrando errores reducidos y un tiempo de computación mínimo. La aplicación de este modelo híbrido presenta resultados prometedores, mostrando capacidades predictivas excepcionales y ofreciendo mejoras potenciales en eficiencia y precisión para el pronóstico del consumo de energía eléctrica en medio de la desregulación del mercado y la evolución de las dinámicas industriales.