.png){kind=icon}
返回
A genetic programming-based ensemble method for long-term electricity demand forecasting
.png){kind=icon}
OA
AI
DOI：10.7717/peerj-cs.2825.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究介绍了一种基于遗传编程的集成方法，用于预测埃塞俄比亚的长期电力消耗。该技术采用两阶段集成方法，将埃塞俄比亚的电力消耗预测至2031年。在第一阶段，遗传算法、粒子群优化和模拟退火方法被应用于不同的回归模型（线性、二次和指数）。本阶段生成的初步预测值在第二阶段进一步优化。在此阶段，利用遗传编程方法基于初始预测值开发了一个公式，进而提供了最终预测结果。第一阶段中最准确的预测是通过GA_Quadratic、PSO_Quadratic和SA_Quadratic方法获得的，其均方误差百分比（MAPE）值分别为3.61、3.63和4.68。在第二阶段，基于GP的预测实现了更低的MAPE值2.83。其他误差指标，包括均方误差（MSE）、均方根误差（RMSE）和R-2，也得到了评估，所提出的模型在这些指标上均优于第一阶段的各方法。本研究在两种不同情景下预测了埃塞俄比亚至2031年的总年度电力消耗。两种情景均表明，到2031年，电力消耗将比2021年水平增长三倍。
Keyword:
Ensemble method
Long-term electricity demand
Genetic programming
Genetic algorithms
Particle swarm optimization
Simulated annealing
期刊
IF:
2.5
论文数:
3.4K
被引数:
6.9K
机构
引用论文
Artificial Neural Network Based Long Term Electrical Peak Load Demand Forecasting in Case of South District Ethiopian Power System基于人工神经网络的长期能源电力峰值负荷需求预测——以埃塞俄比亚电力系统南部地区为例
.png){kind=icon}
PREAI
分享收藏A structural weight estimation model of FPSO topsides using an improved genetic programming method
PREAI
分享收藏Long Term Electricity Demand Forecasting in Turkey Using Artificial Neural Networks基于人工神经网络的土耳其长期电力需求预测
PREAI
分享收藏Design optimization of tubular linear voice coil motors using swarm intelligence algorithms基于群智能算法的管状线性音圈电机设计优化
PREAI
分享收藏Hybridizing simulated annealing and genetic algorithms with Pythagorean fuzzy uncertainty for traveling salesman problem optimization将模拟退火与遗传算法相结合，并引入毕达哥拉斯模糊不确定性以优化旅行商问题。
PREAI
分享收藏
查看更多内容