अल्पावधि लोड पूर्वानुमान के लिए पुनरावृत्त न्यूरल नेटवर्क

अल्पावधि लोड का पूर्वानुमान मॉडल का निर्माण करना शामिल है, और, उपलब्ध जानकारी का उपयोग करते हुए, भविष्यवाणी प्रदर्शन को अनुकूलित करने के लिए मॉडल के पैरामीटर का अनुमान लगाना। यह स्पष्ट है कि जितना अधिक निकटता से चुना गया मॉडल वास्तविक भौतिक उत्पादन प्रक्रिया का अनुकरण करता है, भविष्यवाणी प्रणाली का प्रदर्शन उतना ही बेहतर होता है। इस लेख में यह प्रस्तावित किया गया है कि लोड को कुछ गतिशील प्रणाली के आउटपुट के रूप में मॉडल किया जा सकता है, जो कई मौसम, समय और अन्य पर्यावरणीय बदलावों से प्रभावित होती है। पुनरावृत्त न्यूरल नेटवर्क, जो स्वाभाविक गतिशील व्यवहार दर्शाने वाले कनेक्शनिस्ट मॉडलों के वर्ग के सदस्य हैं, इस गतिशील प्रणाली के लिए अनुभवजन्य मॉडलों का निर्माण करने के लिए उपयोग किए जा सकते हैं। इन मॉडलों की गैर-रेखीय गतिशील प्रकृति के कारण, लोड भविष्यवाणी प्रणाली के व्यवहार को एक संक्षिप्त और मजबूत प्रतिनिधित्व में कैद किया जा सकता है। यह दक्षिण अफ्रीकी उपयोगिताओं, ESKOM के लिए राष्ट्रीय लोड के अल्पावधि भविष्यवाणी पर पुनरावृत्त मॉडलों के प्रदर्शन से स्पष्ट किया गया है। फ़ीडफॉर्वर्ड न्यूरल नेटवर्क के साथ एक तुलना भी दी गई है।