IV. CONCLUSIONS This paper presente

IV. CONCLUSIONS This paper presented the development of a novel fuzzy neural network model and validated its prediction on the short
term electric load forecasting of the Power System of the Greek Island of Crete. In the proposed scheme, a two-stages clustering algorithm to determine the rules, number of fuzzy sets, and initial values of the parameters (centers and widths) of the fuzzy membership functions has been employed. The forecasting error statistical results, corresponding to the minimum and maximum load time-series, indicate that the proposed load forecasting model provides more accurate forecasts, compared to conventional neural networks models such as MLP and RBF. In a future work, the present approach will be enhanced by using additional load and weather information such as illuminations level, temperature, humidity, wind direction and industrial load.

ผลลัพธ์ (ไทย) 1:

IV. ข้อสรุปนี้นำเสนอการพัฒนาแบบจำลองโครงข่ายประสาทเลือนนวนิยาย และตรวจสอบการทำนายบนในระยะสั้นระยะไฟฟ้าโหลดการคาดการณ์ของระบบพลังงานของเกาะกรีกของครีต ในแผนงานเสนอ สองขั้นตอนอัลกอริทึมการตรวจสอบกฎคลัสเตอร์ จำนวนชุดเลือน และเริ่มต้นค่าของพารามิเตอร์ (ศูนย์และความกว้าง) ของฟังก์ชันสมาชิกเลือนการใช้ การคาดการณ์ผิดพลาดทางสถิติผล ที่สอดคล้องกับเวลาโหลดต่ำสุด และสูงชุด ระบุว่า การโหลดเสนอการคาดการณ์การพยากรณ์ที่แม่นยำมากขึ้น มีรุ่นเทียบกับเครือข่ายประสาทธรรมดารุ่นเช่น MLP และ RBF ในทำงานในอนาคต วิธีปัจจุบันจะถูกปรับปรุง โดยใช้ข้อมูลสภาพอากาศเช่นระดับไฟ อุณหภูมิ ความชื้น ทิศทางลม และอุตสาหกรรมโหลดและโหลดเพิ่มเติม

ผลลัพธ์ (ไทย) 2:

IV สรุปบทความนี้นำเสนอการพัฒนารูปแบบเครือข่ายเลือนนวนิยายประสาทและตรวจสอบการทำนายของตนในระยะสั้น
คาดการณ์โหลดไฟฟ้าระยะเวลาของระบบไฟฟ้าของกรีกเกาะครีต ในโครงการที่เสนอเป็นสองขั้นตอนการจัดกลุ่ม-ขั้นตอนวิธีการในการกำหนดหลักเกณฑ์จำนวนของชุดฟัซซี่และค่าเริ่มต้นของพารามิเตอร์ (ศูนย์และความกว้าง) ของฟังก์ชั่นสมาชิกเลือนได้รับการว่าจ้าง ผลสถิติการคาดการณ์ข้อผิดพลาดที่สอดคล้องกับต่ำสุดและสูงสุดเวลาในการโหลดซีรีส์ระบุว่ารูปแบบการพยากรณ์โหลดเสนอให้การคาดการณ์ที่ถูกต้องมากขึ้นเมื่อเทียบกับรุ่นเดิมเครือข่ายประสาทเช่น MLP และ RBF ในการทำงานในอนาคตวิธีการปัจจุบันจะเพิ่มขึ้นโดยใช้ความเร็วในการโหลดและสภาพอากาศข้อมูลเพิ่มเติมเช่นระดับ illuminations อุณหภูมิ, ความชื้น, ทิศทางลมและโหลดอุตสาหกรรม

ผลลัพธ์ (ไทย) 3:

4 . สรุปรายงานฉบับนี้นำเสนอการพัฒนาแบบจำลองฟัซซี่นิวรอลเน็ตเวิร์กใหม่และตรวจสอบการพยากรณ์ในสั้นการพยากรณ์ความต้องการไฟฟ้าระยะสั้นของระบบอำนาจของกรีกเกาะครีต ในการเสนอโครงการ , สองขั้นตอนการจัดกลุ่มขั้นตอนวิธีการกำหนดกฎ จำนวนชุดฟัซซี่และค่าเริ่มต้นของตัวแปร ( ศูนย์และความกว้าง ) ของฟังก์ชันความเป็นสมาชิกแบบฟัซซี่ได้รับการว่าจ้าง พยากรณ์ข้อผิดพลาดผลลัพธ์ทางสถิติที่น้อยที่สุดและเวลาโหลดสูงสุดระบุว่าได้เสนอแบบจำลองพยากรณ์พยากรณ์โหลดให้ถูกต้องมากขึ้น เมื่อเทียบกับโครงข่ายประสาทเทียมแบบ MLP RBF และรูปแบบเช่น . ในการทำงานในอนาคต วิธีการในปัจจุบันจะถูกเพิ่มโดยการโหลดเพิ่มเติมและข้อมูลสภาพอากาศ เช่น แสง ระดับ อุณหภูมิ ความชื้น ทิศทางลม และ โหลด อุตสาหกรรม