Intelligent Optimization Modelling in Energy Forecasting
Dokładne prognozowanie zużycia energii jest ważne dla ułatwienia procesu decyzyjnego w celu osiągnięcia wyższej wydajności i niezawodności w zakresie eksploatacji i bezpieczeństwa systemu elektroenergetycznego, ekonomicznego zużycia energii, planowania awaryjnego, planowania i konserwacji systemów zaopatrzenia w energię itp.
W ostatnich dziesięcioleciach stale proponowano wiele modeli prognozowania energii w celu poprawy dokładności prognozowania, w tym tradycyjne modele statystyczne (np. ARIMA, SARIMA, ARMAX, regresja wielozmienna, wykładnicze modele wygładzania, filtrowanie Kalmana, bayesowskie modele estymacji itp. ) i modele sztucznej inteligencji (np.
sztuczne sieci neuronowe (ANN), systemy eksperckie oparte na wiedzy, modele obliczeń ewolucyjnych, regresja wektora wsparcia itp. ). Ostatnio, ze względu na duży rozwój metod modelowania optymalizacji (np. metoda programowania kwadratowego, metoda różnicowego trybu empirycznego, algorytmy ewolucyjne, algorytmy metaheurystyczne itp. ) i inteligentne mechanizmy obliczeniowe (np.
obliczenia kwantowe, mapowanie chaotyczne, mapowanie w chmurze, mechanizm sezonowy itp. ), zaproponowano również wiele nowych modeli hybrydowych lub modeli połączonych z wyżej wymienionymi modelami opartymi na inteligentnej optymalizacji w celu osiągnięcia zadowalających poziomów dokładności prognozowania. Ważne jest, aby zbadać tendencję i rozwój metodologii modelowania opartych na inteligentnej optymalizacji oraz wzbogacić ich praktyczne działanie, szczególnie w przypadku prognozowania morskiej energii odnawialnej.