在過去的幾十年裡，對於供應商和電網管理者來說，尋找更準確的方法來預測能源消耗一直是一項毫無結果的活動，因為大多數電網仍然依賴主要參考消費歷史和天氣預報的預測模型。
公路和鐵路交通數據與活動密切相關，透過這個網格管理人員可以更了解城市或城鎮的哪些地區需要電力，哪些地區需要較少的電力。在測試中，將人工智慧模型與傳統的能源消耗預測模型結合，可以在能源消耗發生前兩到六個小時做出準確的預測。
即時模型還能夠在危機時期提供準確性，例如在自然災害之後或發生另一場大流行病時。如果行為發生變化，交通和鐵路數據將能夠迅速識別，並將能量轉移到城市的不同區域。
隨著電動車數量的增長，交通和電力需求之間的連結將變得更加緊密。這意味著交通數據在預測用電量方面可能變得更加重要。
由於風能和太陽能大量湧入國家電網，能源供應的波動變得更加明顯，因此對消耗量進行最準確的預測，對於電網營運商避免電力不足或停電至關重要。再加上對能源日益增長的需求，過去的預測模型可能無法維持高水準的準確性。
在確定人工智慧模型是否可以補充傳統模型的後續測試中，研究人員發現，它只會略微提高準確性。目前，人工智慧似乎可以嵌入到其他模型中，以提供更高的準確性。
以上是研究人員使用人工智慧預測電力需求的詳細內容。更多資訊請關注PHP中文網其他相關文章！