インドネシアのMATLABベースのNARXニューラルネットワークによる短期発電量予測

科学分野:

• 環境科学
• コンピュータサイエンス
• 工学

背景:

• 人口増加、都市化、技術進歩に牽引されるインドネシアでの電力消費量、生産量、化石燃料からの供給量の増加は、環境破壊に寄与しています。
• 持続可能なエネルギー管理と環境影響の緩和のためには、正確な電力予測が不可欠です。

研究 の 目的:

• 非線形外生入力付き自己回帰（NARX）ニューラルネットワークを使用して、インドネシアの年間発電量を1年先まで予測すること。
• 発電量予測におけるNARXモデル内のレーベンバーグ・マーカートとベイジアン正則化アルゴリズムの性能を比較すること。

主な方法:

• 発電量予測のための非線形外生入力付き自己回帰（NARX）ニューラルネットワークモデルの適用。
• モデル実装と予測のためのMATLABの使用。
• トレーニングとテストのために70%-30%のデータ分割、30の隠れ層、2タイムステップ遅延を使用しました。

主要な成果:

• レーベンバーグ・マーカートとベイジアン正則化の両アルゴリズムは、決定係数（R²）0.9以上を達成しました。
• 両アルゴリズムの平均絶対パーセント誤差（MAPE）は3%未満であり、高い予測精度を示しました。
• レーベンバーグ・マーカートアルゴリズムは、ベイジアン正則化アルゴリズムと比較してわずかに優れた性能を示しました。

結論:

• NARXニューラルネットワークモデル、特にレーベンバーグ・マーカートアルゴリズムは、インドネシアにおける短期年間発電量予測に貴重な洞察を提供します。
• モデルの高い精度は、エネルギー計画と環境管理のための情報に基づいた意思決定をサポートします。