| ชื่อบทความ |
Metaheuristic Extreme Learning Machine for Improving Performance of Electric Energy Demand Forecasting |
| วัน/เดือน/ปี ที่ได้ตอบรับ |
27 เมษายน 2565 |
| วารสาร |
| ชื่อวารสาร |
MDPI Computers |
| มาตรฐานของวารสาร |
ISI |
| หน่วยงานเจ้าของวารสาร |
MDPI AG |
| ISBN/ISSN |
2073-431X |
| ปีที่ |
2022 |
| ฉบับที่ |
5 |
| เดือน |
April |
| ปี พ.ศ. ที่พิมพ์ |
2565 |
| หน้า |
1-38 |
| บทคัดย่อ |
Electric energy demand forecasting is very important for electric utilities to procure and supply electric energy for consumers sufficiently, safely, reliably, and continuously. Consequently, the processing time and accuracy of the forecast system are essential to consider when applying in real power system operations. Nowadays, the Extreme Learning Machine (ELM) is significant for forecasting as it provides an acceptable value of forecasting and consumes less computation time when compared with the state-of-the-art forecasting models. However, the result of electric energy demand forecasting from the ELM was unstable and its accuracy was increased by reducing overfitting of the ELM model. In this research, metaheuristic optimization combined with the ELM is proposed to increase accuracy and reduce the cause of overfitting of three forecasting models, composed of the Jellyfish Search Extreme Learning Machine (JS-ELM), the Harris Hawk Extreme Learning Machine (HH-ELM), and the Flower Pollination Extreme Learning Machine (FP-ELM). The actual electric energy demand datasets in Thailand were collected from 2018 to 2020 and used to test and compare the performance of the proposed and state-of-the-art forecasting models. The overall results show that the JS-ELM provides the best minimum root mean square error compared with the state-of-the-art forecasting models. Moreover, the JS-ELM consumes the appropriate processing time in this experiment. |
| คำสำคัญ |
electricity forecasting; Extreme Learning Machine; improvement model; machine learning; metaheuristic; Jellyfish Search Optimization; Harris Hawk Optimization; Flower Pollination Algorithm |
| ผู้เขียน |
|
| การประเมินบทความ |
มีผู้ประเมินอิสระ |
| สถานภาพการเผยแพร่ |
ตีพิมพ์แล้ว |
| วารสารมีการเผยแพร่ในระดับ |
นานาชาติ |
| citation |
มี |
| เป็นส่วนหนึ่งของวิทยานิพนธ์ |
เป็น |
| แนบไฟล์ |
|
| Citation |
0
|
|
|
ข้อมูลการเผยแพร่ผลงาน
การเผยแพร่ในรูปของบทความวารสารทางวิชาการ
English