Recherche publiée dans le Revue internationale des technologies et politiques énergétiques montre comment un réseau de neurones peut être entraîné avec un algorithme génétique pour prévoir les demandes à court terme sur la charge électrique. Chawalit Jeenanunta et Darshana Abeyrathna de l'Université de Thammasat, à Thani, Thaïlande, expliquez qu'il est essentiel que les producteurs d'électricité soient en mesure d'estimer la demande qu'il y aura sur leurs systèmes au cours des prochaines 48 heures. Sans de telles prédictions, il y aura inévitablement des déficits de production d'électricité lorsque la demande est supérieure aux estimations ou de l'énergie et des ressources gaspillées si la demande est inférieure aux prévisions.

L'équipe a utilisé les données de l'autorité de production d'électricité de Thaïlande (EGAT) pour former un réseau de neurones via un algorithme génétique. Les résultats sont comparés à l'approche plus conventionnelle de la rétro-propagation pour la prédiction et montrent que le système est bien meilleur et prédit la hausse et la baisse de la demande d'électricité. L'approche du réseau neuronal par algorithme génétique (GANN) prend environ 30 minutes pour s'entraîner à la prédiction, contre 1 minute pour l'entraînement par rétro-propagation d'un réseau neuronal. Cependant, la valeur ajoutée de prédictions beaucoup plus précises dépasse de loin ce temps et ces efforts supplémentaires.