Key points are not available for this paper at this time.
본 논문은 저자들이 인공 신경망(ANN) 구조에 기반한 전기 단기 부하 예측(STLF) 분야에서 수행한 연구 활동의 일부를 설명합니다. 기본 ANN 구조에 대한 이전 경험은 이러한 구조가 대부분의 정상적인 날에 대해 인간 운영자가 얻는 결과와 유사한 결과를 제공하지만, 휴일 및 긴 주말 동안 발생하는 "이상" 부하 조건에 적용될 때 정확성의 결함이 있음을 보여주었습니다. 이러한 기간 동안 결합된 (비지도/지도) 접근 방식에 기반한 특정 절차가 제안되었습니다. 비지도 단계는 코호넨의 자기 조직화 지도(SOM)를 통해 과거 부하 데이터를 예방적으로 분류합니다. 지도 단계는 위에서 언급한 것과 유사한 역전파 학습 알고리즘을 사용하는 다층 퍼셉트론에 의해 수행되는 적절한 예측 활동을 통해 얻어집니다. 분류 단계에서 파생된 정보를 비전통적으로 사용하는 것은 이상 부하 상황을 위한 예측 정확도를 상당히 향상시키는 제안된 절차를 가능하게 합니다.
Lamedica et al. (Mon,)은 이 문제를 연구하였습니다.