Resumen

La previsin de la carga elctrica desempea un papel fundamental en los procedimientos de planificacin y explotacin de los sistemas elctricos. Hasta ahora, se han empleado diversas tcnicas para la previsin de la carga elctrica. Mientras tanto, los mtodos basados en redes neuronales conducan a menos errores de prediccin debido a su capacidad para adaptarse adecuadamente a la caracterstica oculta de la carga de consumo. Por ello, estos mtodos fueron ampliamente aceptados por los investigadores. Dado que los parmetros de la red neuronal tienen un impacto significativo en su rendimiento, en este trabajo se propone un mtodo de previsin de la carga elctrica a corto plazo que utiliza una red neuronal y el algoritmo de optimizacin de enjambre de partculas (PSO), en el que se determinan algunos parmetros de la red neuronal, como la tasa de aprendizaje y el nmero de capas ocultas, con el fin de prever la carga elctrica utilizando el algoritmo PSO con precisin. A continuacin, se utiliza la red neuronal con estos parmetros optimizados para predecir la carga elctrica a corto plazo. En este mtodo, se utiliza una red neuronal feedforward de tres capas entrenada mediante el algoritmo de retropropagacin junto con un algoritmo PSO gbest mejorado. Adems, el error de prediccin de la red neuronal se define como la funcin de coste del algoritmo PSO. El enfoque propuesto se ha probado en la red elctrica iran utilizando el software MATLAB. Para evaluar el rendimiento del mtodo propuesto se ha tenido en cuenta la media de tres ndices junto a los resultados grficos. Los resultados de la simulacin reflejan la capacidad del mtodo propuesto para predecir con precisin la carga elctrica.

• Materias:Matemáticas Lógica matemática Ingeniería Algoritmos (Matemáticas) Algebra
• Subjects:mathematics Mathematical logic Engineering Agorithms (Math) Algebra
• Palabras claves:previsión de la carga eléctrica; planificación de sistemas eléctricos; red neuronal; optimización por enjambre de partículas; previsión a corto plazo; software MATLAB
• Keywords:electrical load forecasting; power system planning; neural network; particle swarm optimization; short-term forecasting; MATLAB software