Investigación publicada en el Revista internacional de tecnología y políticas energéticas muestra cómo se puede entrenar una red neuronal con un algoritmo genético para pronosticar las demandas a corto plazo sobre la carga de electricidad. Chawalit Jeenanunta y Darshana Abeyrathna de la Universidad Thammasat, en Thani, Tailandia Explique que es fundamental para los productores de electricidad poder estimar cuánta demanda habrá en sus sistemas en las próximas 48 horas. Sin tales predicciones, inevitablemente habrá déficit en la generación de energía cuando la demanda sea superior a la estimada o se desperdicien energía y recursos si la demanda es inferior a la esperada.

El equipo ha utilizado datos de la autoridad generadora de electricidad de Tailandia (EGAT) para entrenar una red neuronal a través de un algoritmo genético. Los resultados se comparan con el enfoque de predicción de retropropagación más convencional y muestran que el sistema es mucho mejor y predice el aumento y la disminución de la demanda de electricidad. El enfoque de la red neuronal del algoritmo genético (GANN) tarda unos 30 minutos en entrenarse para la predicción en comparación con 1 minuto para el entrenamiento de retropropagación de una red neuronal. Sin embargo, el valor agregado de predicciones mucho más precisas supera con creces este tiempo y esfuerzo adicionales.