在过去的几十年里，对于供应商和电网管理者来说，寻找更准确的方法来预测能源消耗一直是一项毫无结果的活动，因为大多数电网仍然依赖于主要参考消费历史和天气预报的预测模型。
公路和铁路交通数据与活动密切相关，通过这个网格管理人员可以更好地了解城市或城镇的哪些地区需要电力，哪些地区需要较少的电力。在测试中，将人工智能模型与传统的能源消耗预测模型相结合，可以在能源消耗发生前两到六个小时做出准确的预测。
实时模型还能够在危机时期提供准确性，例如在自然灾害之后或发生另一场大流行病时。如果行为发生变化，交通和铁路数据将能够迅速识别，并将能量转移到城市的不同区域。
随着电动汽车数量的增长，交通和电力需求之间的联系将变得更加紧密。这意味着交通数据在预测用电量方面可能变得更加重要。
由于风能和太阳能大量涌入国家电网，能源供应的波动变得更加明显，因此对消耗量进行最准确的预测，对于电网运营商避免电力不足或停电至关重要。再加上对能源日益增长的需求，过去的预测模型可能无法保持高水平的准确性。
在确定人工智能模型是否可以补充传统模型的后续测试中，研究人员发现，它只会略微提高准确性。目前，人工智能似乎可以嵌入到其他模型中，以提供更高的准确性。
© 版权声明