This paper presents a new, artifici

This paper presents a new, artificial neural network (ANN) based model for the calculation of next day's load forecasts. The model's most significant aspects fall into the following two areas: training process and selection of the input variables. Insights gained during the development of the model regarding the choice of the input variables, and their transformations, the design of the ANN structure, the selection of the training cases and the training process itself are described in the paper. The new model has been tested under a wide variety of conditions and it is shown in this paper to produce excellent results. Comparison results between an existing regression-based model that is currently in production use and the ANN model are very encouraging. The ANN model consistently outperforms the existing model in terms of both average errors over a long period of time and number of 'large' errors. Conclusions reached from this development are sufficiently general to be used by other electric power utilities

ผลลัพธ์ (ไทย) 1:

บทความนี้นำเสนอแบบใหม่ ประดิษฐ์โครงข่ายประสาท (แอน) ใช้สำหรับการคำนวณการคาดการณ์โหลดวันถัดไป ลักษณะสำคัญที่สุดของรุ่นที่ตกอยู่ในสองพื้นที่ต่อไปนี้: การฝึกอบรมและการเลือกตัวแปรอินพุต ข้อมูลเชิงลึกที่ได้รับในระหว่างการพัฒนาของรูปแบบเกี่ยวกับทางเลือกของตัวแปรอินพุต และการแปลง การออกแบบโครงสร้างแอน การเลือกกรณีฝึกอบรมและการฝึกอบรมตัวเองไว้ในกระดาษ รูปแบบใหม่ได้รับการทดสอบภายใต้เงื่อนไขที่หลากหลาย และมันแสดงให้เห็นในเอกสารนี้จะให้ผลลัพธ์ที่ยอดเยี่ยม ผลการเปรียบเทียบระหว่างถดถอยตามรุ่นที่มีอยู่ที่มีใช้ในปัจจุบันในการผลิตและรูปแบบแอนจะส่งเสริมให้มาก รุ่นแอนอย่างต่อเนื่องมีประสิทธิภาพสูงกว่ารุ่นที่อยู่ในแง่ของข้อผิดพลาดทั้งสองเฉลี่ยเป็นระยะเวลานานของเวลาและจำนวนข้อผิดพลาด 'ใหญ่' ข้อสรุปจากการพัฒนานี้มีทั่วไปเพียงพอที่จะใช้ โดยโปรแกรมอรรถประโยชน์พลังงานไฟฟ้าอื่น ๆ

ผลลัพธ์ (ไทย) 2:

บทความนี้นำเสนอใหม่เครือข่ายประสาทเทียม (ANN) รุ่นที่ใช้สำหรับการคำนวณของการคาดการณ์โหลดวันถัดไป รูปแบบของแง่มุมที่สำคัญที่สุดตกอยู่ในสองพื้นที่ดังต่อไปนี้: กระบวนการฝึกอบรมและการเลือกของตัวแปรการป้อนข้อมูล ข้อมูลเชิงลึกที่ได้รับในระหว่างการพัฒนารูปแบบเกี่ยวกับทางเลือกของตัวแปรและการเปลี่ยนแปลงของพวกเขาออกแบบโครงสร้าง ANN การเลือกของกรณีการฝึกอบรมและกระบวนการฝึกอบรมตัวเองได้อธิบายไว้ในกระดาษ รุ่นใหม่ได้รับการทดสอบภายใต้ความหลากหลายของเงื่อนไขและมันก็แสดงให้เห็นในบทความนี้จะให้ผลลัพธ์ที่ดีเยี่ยม ผลการเปรียบเทียบระหว่างรูปแบบการถดถอยตามที่มีอยู่ที่ใช้งานในปัจจุบันการผลิตและรูปแบบ ANN มีกำลังใจมาก รุ่น ANN อย่างต่อเนื่องมีประสิทธิภาพดีกว่ารุ่นที่มีอยู่ในแง่ของข้อผิดพลาดทั้งค่าเฉลี่ยในระยะเวลานานของเวลาและจำนวนข้อผิดพลาด 'ใหญ่' ข้อสรุปที่ได้จากการพัฒนามาถึงนี้โดยทั่วไปพอที่จะนำมาใช้โดยการไฟฟ้าไฟฟ้าอื่น ๆ

ผลลัพธ์ (ไทย) 3:

บทความนี้นำเสนอใหม่ โครงข่ายประสาทเทียม ( ANN ) ตามรูปแบบการคำนวณของวันถัดไป โหลด การคาดการณ์ . รูปแบบของสำคัญที่สุดด้านตกอยู่ในต่อไปนี้สองด้านกระบวนการฝึกอบรม และการเลือกใส่ตัวแปร ข้อมูลเชิงลึกที่ได้รับในระหว่างการพัฒนารูปแบบเกี่ยวกับทางเลือกของตัวแปรนำเข้าและการแปลงของพวกเขา การออกแบบโครงสร้างของแอน การเลือกการฝึกอบรมและกรณีกระบวนการฝึกอบรมนั้น มีอธิบายไว้ในกระดาษ รูปแบบใหม่ที่ได้ถูกทดสอบภายใต้ความหลากหลายของเงื่อนไขและจะแสดงในบทความนี้เพื่อสร้างผลลัพธ์ที่ยอดเยี่ยม การเปรียบเทียบผลระหว่างการใช้รูปแบบเดิมที่ใช้อยู่ในปัจจุบันการผลิตและรูปแบบแอนจะส่งเสริมให้มาก รุ่นแอนอย่างต่อเนื่องมีประสิทธิภาพดีกว่ารุ่นเดิมทั้งในแง่ของความคลาดเคลื่อนเฉลี่ยในช่วงระยะเวลาที่ยาวนานของเวลาและหมายเลขของข้อผิดพลาดขนาดใหญ่ " ข้อสรุปที่ได้จากการพัฒนานี้จะเพียงพอ โดยทั่วไปจะใช้สาธารณูปโภคไฟฟ้าอื่น ๆ