Crédito CC0:domínio público
Pesquisa publicada no Jornal Internacional de Política e Tecnologia de Energia mostra como uma rede neural pode ser treinada com um algoritmo genético para prever demandas de curto prazo na carga de eletricidade. Chawalit Jeenanunta e Darshana Abeyrathna da Universidade Thammasat, em Thani, Tailândia, explicar que é fundamental para os produtores de eletricidade poderem estimar quanta demanda haverá em seus sistemas nas próximas 48 horas. Sem tais previsões, inevitavelmente haverá quedas na geração de energia quando a demanda for maior do que o estimado ou energia e recursos desperdiçados se a demanda for menor do que o esperado.
A equipe usou dados da autoridade de geração de eletricidade da Tailândia (EGAT) para treinar uma rede neural por meio de um algoritmo genético. Os resultados são comparados com a abordagem mais convencional de retropropagação para previsão e mostram que o sistema é muito melhor e prevê o aumento e as quedas na demanda de eletricidade. A abordagem de rede neural de algoritmo genético (GANN) leva cerca de 30 minutos para treinar para predição em comparação com 1 minuto para treinamento de retropropagação de uma rede neural. Contudo, o valor agregado de previsões muito mais precisas supera em muito esse tempo e esforço adicionais.