IAESCOREIAESCORE

International Journal of Electrical and Computer Engineering (IJECE)International Journal of Electrical and Computer Engineering (IJECE)

Permintaan listrik terus meningkat karena kemajuan teknologi baru, peralihan ke energi yang lebih ramah lingkungan, dan popularitas kendaraan listrik dibandingkan kendaraan konvensional. Proliferasi bisnis di sektor pembangkitan dan distribusi telah meningkatkan persaingan di pasar listrik. Perkiraan harga listrik memungkinkan konsumen untuk mengendalikan tagihan listrik bulanan mereka dan pembangkitan terdistribusi milik konsumen dengan mengetahui harga per jam yang diprediksi. Perkiraan harga listrik sangat penting bagi pembeli, bisnis pembangkitan, dan penawar untuk manajemen permintaan, penjadwalan pembangkitan, dan kutipan harga penawaran. Data harga listrik sangat tidak linier dan dipengaruhi oleh banyak faktor sehingga model EPF lebih kompleks, sangat mudah berubah, dan lambat dalam konvergensi. Para peneliti selama dekade terakhir telah mengusulkan berbagai model jaringan saraf, algoritma pelatihan, dan sistem hibrida yang terdiri dari dua atau lebih model untuk perkiraan harga listrik yang akurat dan efisien. Studi ini melibatkan pengembangan model jaringan saraf hibrida dengan dua algoritma cerdas, algoritma sinus kosinus (SCA) dan mesin pembelajaran ekstrem (ELM) untuk memprediksi harga listrik untuk durasi tertentu. Model jaringan yang dikembangkan baru dilatih dan diuji dengan data harga listrik India real-time dari tahun 2022. Set data harga tahunan yang dipilih dibagi menjadi tiga set berbeda untuk menjelajahi variasi musiman dan semua set diberikan sebagai input ke model untuk pelatihan dan pengujian untuk memperoleh perkiraan harga yang efektif.

Dalam penelitian ini, model hibrida ELM-SCA dikembangkan untuk memprediksi harga listrik.Hasilnya menunjukkan bahwa model hibrida ini menghasilkan perkiraan yang lebih akurat dibandingkan dengan metode lain.Kecepatan perhitungan model yang sederhana dan kuat memungkinkan ekstraksi hasil yang lebih tepat dari set data harga yang sangat mudah berubah.Model ini dapat membantu peserta pasar listrik dalam proses penawaran dan penjualan yang lebih baik, dan juga dapat membantu konsumen mengurangi tagihan listrik mereka.

Berdasarkan penelitian ini, beberapa saran penelitian lanjutan dapat diajukan. Pertama, penelitian lebih lanjut dapat dilakukan untuk mengeksplorasi penggunaan algoritma pembelajaran mendalam lainnya, seperti jaringan saraf konvolusional (CNN) atau jaringan saraf rekuren (RNN), dalam model perkiraan harga listrik hibrida. Kedua, penelitian dapat difokuskan pada penggabungan data cuaca dan data ekonomi ke dalam model untuk meningkatkan akurasi perkiraan. Ketiga, penelitian dapat menyelidiki penerapan model hibrida ini untuk memprediksi harga listrik di pasar yang berbeda dengan karakteristik unik.

  1. A hybrid extreme learning machine and sine cosine algorithm model for accurate electricity price forecasting... ijece.iaescore.com/index.php/IJECE/article/view/37677A hybrid extreme learning machine and sine cosine algorithm model for accurate electricity price forecasting ijece iaescore index php IJECE article view 37677
Read online
File size888.33 KB
Pages10
DMCAReport

Related /

ads-block-test