導讀 在過去的幾十年裏，對於供應商和電網管理者來說，尋找更准確的方法來預測能源消耗一直是一項毫無結果的活動，因爲大多數電網仍然依賴於主要參考消費歷史和天氣預報的預測模型。公路和鐵路交通數據與活動密切相關，...
在過去的幾十年裏，對於供應商和電網管理者來說，尋找更准確的方法來預測能源消耗一直是一項毫無結果的活動，因爲大多數電網仍然依賴於主要參考消費歷史和天氣預報的預測模型。
公路和鐵路交通數據與活動密切相關，通過這個網格管理人員可以更好地了解城市或城鎮的哪些地區需要電力，哪些地區需要較少的電力。在測試中，將人工智能模型與傳統的能源消耗預測模型相結合，可以在能源消耗發生前兩到六個小時做出准確的預測。
實時模型還能夠在危機時期提供准確性，例如在自然災害之後或發生另一場大流行病時。如果行爲發生變化，交通和鐵路數據將能夠迅速識別，並將能量轉移到城市的不同區域。
隨着電動汽車數量的增長，交通和電力需求之間的聯系將變得更加緊密。這意味着交通數據在預測用電量方面可能變得更加重要。
由於風能和太陽能大量湧入國家電網，能源供應的波動變得更加明顯，因此對消耗量進行最准確的預測，對於電網運營商避免電力不足或停電至關重要。再加上對能源日益增長的需求，過去的預測模型可能無法保持高水平的准確性。
在確定人工智能模型是否可以補充傳統模型的後續測試中，研究人員發現，它只會略微提高准確性。目前，人工智能似乎可以嵌入到其他模型中，以提供更高的准確性。
相關推薦
預測性維護與預防性維護的區別
物聯網是人工智能進化的支點｜觀點
綠色能源革命：太陽能和風能如何改變電力行業
標題：研究人員使用人工智能預測電力需求｜觀察
地址：https://www.utechfun.com/post/222077.html