स्वार्म इंटेलिजेंस और इवोल्यूशनरी कंप्यूटेशन का अंतर्राष्ट्रीय जर्नल

अमूर्त

कृत्रिम तंत्रिका नेटवर्क का उपयोग करके लोड और नवीकरणीय ऊर्जा का अल्पकालिक पूर्वानुमान

राम श्रीनिवासन, वेंकी बालासुब्रमण्यम, बुवाना सेल्वराज

लोड पूर्वानुमान एक ऐसी तकनीक है जिसका उपयोग बैटरी प्रबंधन में विद्युत भार की मांग के पूर्वानुमान के लिए किया जाता है। सामान्य तौर पर, शॉर्ट-टर्म इलेक्ट्रिकल लोड फोरकास्टिंग (STLF) के लिए उपयोग किए जाने वाले समेकित स्तर में कई स्रोतों से एकत्रित संख्यात्मक या गैर-संख्यात्मक जानकारी शामिल होती है, जो सटीक डेटा और कुशल पूर्वानुमान प्राप्त करने में मदद करती है। हालाँकि, समेकित स्तर संख्यात्मक डेटा के सत्यापन और परीक्षण चरणों का सटीक पूर्वानुमान नहीं लगा सकता है, जिसमें विकिरण स्तर (W/m2) और फोटोवोल्टिक आउटपुट पावर (W) के वास्तविक समय के माप शामिल हैं। मौजूदा साप्ताहिक, दैनिक और वार्षिक चक्र लोड डेटा में उपकरणों के यादृच्छिक उपयोग के कारण होने वाले उतार-चढ़ाव के कारण पूर्वानुमान लगाना भी एक चुनौती है। इस अध्ययन में, हमने बायेसियन रेगुलराइजेशन (BR) और लेवेनबर्ग-मार्क्वार्ड (LM) एल्गोरिदम जैसे आर्टिफिशियल न्यूरल नेटवर्क (ANN) विधियों का उपयोग करके इस चुनौती को पार कर लिया है। ANN-आधारित विधियों द्वारा प्राप्त STLF पूर्वानुमान सटीकता में सुधार कर सकता है। ANN के विकास चरणों के दौरान BR और LM एल्गोरिदम के समग्र प्रदर्शन का विश्लेषण किया गया। एएनएन को प्रशिक्षित करने और परीक्षण करने के लिए उपयोग की जाने वाली इनपुट परत, छिपी परत और आउटपुट परत मिलकर 24 घंटे की बिजली की मांग का अनुमान लगाती है। परिणाम बताते हैं कि एलएम और बीआर एल्गोरिदम का उपयोग अक्षय ऊर्जा अनुमान मांग के लिए एक अत्यधिक कुशल वास्तुकला प्रदान करता है।