Key points are not available for this paper at this time.
Cet article passe en revue les principales techniques de prévision utilisées pour les applications des systèmes électriques. Les techniques de prévision disponibles ont été discutées en mettant l'accent sur la prévision de la charge et des prix de l'électricité ainsi que sur la prévision de la production éolienne. Les problèmes de prévision ont été classés en fonction de l'horizon temporel, du domaine d'application spécifique et des techniques de prévision. Des exemples appropriés basés sur des données pertinentes pour le marché électrique victorien, en Australie, et le marché électrique PJM, aux États-Unis, sont utilisés pour démontrer le fonctionnement de la méthode développée de réseau de neurones (NN) basée sur l'approche des jours similaires pour prédire respectivement la charge et le prix de l'électricité horaire. Un autre problème important auquel sont confrontées les entreprises de services électriques est la variabilité et la nature non planifiable de la production d'énergie des parcs éoliens. Ces caractéristiques intrinsèques de l'énergie éolienne ont des implications techniques et commerciales à la fois pour la planification et l'exploitation efficaces des systèmes électriques. Pour traiter les problèmes liés à l'énergie éolienne, cet article présente l'application d'un système d'inférence flou neural adaptatif (ANFIS) à la prévision de vent à très court terme en utilisant une étude de cas en Tasmanie, Australie.
Negnevitsky et al. (Sun,) ont étudié cette question.