Resumen

La predicción del consumo mensual de energía eléctrica es importante para la planificación de la producción de electricidad y la toma de decisiones en ingeniería eléctrica. Se propone un algoritmo de promedio móvil de múltiples ventanas para descomponer la serie temporal de consumo mensual de energía eléctrica en varias ondas periódicas y una tendencia de crecimiento aproximadamente exponencial a largo plazo. Se utilizan modelos de redes neuronales artificiales (ANN) de función de base radial (RBF) para predecir las ondas periódicas extraídas. Se propone un nuevo modelo de crecimiento híbrido, que incluye un término constante, un término lineal y un término exponencial, para predecir la tendencia de crecimiento extraída. Los resultados de la predicción del consumo mensual de energía eléctrica se pueden obtener sumando los valores de predicción de cada modelo. Para probar el rendimiento mediante comparación, se utilizan el modelo propuesto y otros tres modelos para predecir el consumo mensual de energía eléctrica de China

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Consumo de energía eléctrica; Pronóstico; Algoritmo de promedio móvil de múltiples ventanas; Función de base radial; Red neuronal artificial; Modelo de crecimiento híbrido
• Keywords:Electric energy consumption; Forecasting; Multiwindow moving average algorithm; Radial basis function; Artificial neural network; Hybrid growth model