粒子群最適化ニューラルネットワークを用いた短期負荷予測

エネルギーは生活の多くの分野で非常に重要です。さらに、近数十年の間に人間は電気エネルギーにほぼ完全に依存しているようです。エネルギー消費が少ない電子デバイスや代替エネルギー源に依存するデバイスに多くの努力が投資されていますが、多くの新興デバイスは依然として何らかの形の電力に依存しています。エネルギー会社は、消費者に十分なエネルギーを供給する任務を負っており、そのため、これらの会社はさまざまな時間に消費者に供給されるエネルギー量を予測できる必要があります。特定の時間に需要よりも少ないエネルギーが供給されることは望ましくなく、これはシステムの崩壊や負荷の強制的な削減につながる可能性があります（一部の消費者は電力の中断を経験します）。本研究では、粒子群最適化フィードフォワードニューラルネットワークを使用して短期負荷予測の問題をモデル化します。説明したシステムは、エネルギー会社が供給する時間ごとの負荷を予測する能力があります。また、バックプロパゲーション学習アルゴリズムで訓練された従来のフィードフォワードニューラルネットワークを用いて負荷予測のモデリングを調査します。得られた結果は、粒子群およびバックプロパゲーション最適化フィードフォワードネットワークの両方がエネルギー需要のモデリングに適した回帰器であることを示しています。バックプロパゲーション最適化ネットワークは達成された平均絶対誤差（MAE）および平均二乗誤差（MSE）で若干優れているものの、粒子群最適化ネットワークは迅速な収束を誇っています。粒子群最適化ネットワークでは、誤差勾配の計算が最適化に必要ないため、トレーニングは約2倍速く行われます。本研究で使用されるデータベースは、北キプロスに本拠を置くエネルギー会社から取得されています。