In den letzten Jahrzehnten war die Suche nach genaueren Möglichkeiten zur Vorhersage des Energieverbrauchs für Lieferanten und Netzbetreiber ein erfolgloses Unterfangen, da die meisten Stromnetze immer noch darauf angewiesen sind auf Prognosemodellen, die sich vor allem auf Verbrauchshistorien und Wettervorhersagen beziehen.
Straßen- und Schienenverkehrsdaten korrelieren eng mit der Aktivität, sodass Netzmanager besser verstehen können, welche Bereiche einer Stadt oder Gemeinde Strom benötigen und welche weniger Strom benötigen. In Tests wurde das KI-Modell mit herkömmlichen Modellen zur Vorhersage des Energieverbrauchs kombiniert, um zwei bis sechs Stunden vor dem Energieverbrauch genaue Vorhersagen zu treffen.
Echtzeitmodelle sind auch in Krisenzeiten, etwa nach einer Naturkatastrophe oder beim Auftreten einer weiteren Pandemie, in der Lage, Genauigkeit zu liefern. Verkehrs- und Schienendaten werden in der Lage sein, Verhaltensänderungen schnell zu erkennen und Energie in verschiedene Bereiche der Stadt umzuleiten.
Mit zunehmender Zahl von Elektrofahrzeugen wird der Zusammenhang zwischen Transport und Strombedarf immer enger. Dies bedeutet, dass Verkehrsdaten für die Vorhersage des Stromverbrauchs möglicherweise noch wichtiger werden.
Da Wind und Sonne das nationale Stromnetz überschwemmen, sind die Schwankungen in der Energieversorgung stärker ausgeprägt. Daher sind genaueste Verbrauchsprognosen für Netzbetreiber von entscheidender Bedeutung, um Stromengpässe oder Stromausfälle zu vermeiden. In Verbindung mit der steigenden Energienachfrage sind frühere Prognosemodelle möglicherweise nicht in der Lage, ein hohes Maß an Genauigkeit aufrechtzuerhalten.
In anschließenden Tests, um festzustellen, ob das KI-Modell traditionelle Modelle ergänzen könnte, stellten die Forscher fest, dass es die Genauigkeit nur geringfügig verbesserte. Derzeit scheint es, dass künstliche Intelligenz in andere Modelle eingebettet werden kann, um eine höhere Genauigkeit zu erzielen.
Das obige ist der detaillierte Inhalt vonForscher nutzen künstliche Intelligenz, um den Strombedarf vorherzusagen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!