IEEE Power & Energy Magazine - Spanish - May/June 2022 - 26

formulada como un problema de optimización. La metaheurística
es una forma de encontrar soluciones suficientemente
buenas a estos problemas de optimización. No obstante, las
combinaciones o usos híbridos de diferentes metaheurísticas
con otras técnicas de IA parecen ofrecer una contribución
marginal a la práctica del pronóstico de la carga hasta el
momento.
Ilusión 4: una RNA de prealimentación
de tres capas con 35 neuronas ocultas es
mejor que el de 41
Los investigadores han probado muchos tipos de RNA,
como las RNA de prealimentación, recurrentes y profundas.
Entre las diversas estructuras de red con diferentes configuraciones,
las RNA de prealimentación de tres capas, debido
a su relativa simplicidad, fueron utilizadas con mayor frecuencia
antes de que el aprendizaje profundo fuera llevado
el pronóstico de la carga. Algunos artículos argumentan que
el rendimiento superior de una estructura de RNA se debe a
algunos cambios menores, como el aumento del número de
neuronas ocultas de 35 a 41, el aumento de las capas ocultas
de uno a dos y el cambio de las funciones de activación a
funciones de base radial. Todos estos cambios pueden ser
analizados como ajustes de hiperparámetros. La configuración
resultante de los hiperparámetros puede funcionar bien
para un conjunto de datos específico, pero fallar para los
demás. La contribución del pronóstico de la carga a partir de
tales resultados adaptados a un estudio de caso específico es
insignificante.
Sin embargo, esto no desalienta de ninguna manera a los
profesionales a probar distintas RNA u otras técnicas de IA.
En lugar de dedicar recursos y esfuerzos a afinar los hiperparámetros,
se ha alentado a los investigadores a mirar el
panorama general. Aquí enumeramos tres direcciones de
investigación, que no pretenden ser exhaustivas:
✔ Primero, investigar métodos novedosos, no un híbrido
de diferentes metaheurísticas, para ajustar de manera
eficiente y efectiva los hiperparámetros.
✔ Segundo, encontrar información procesable, reglas
generales y pautas prácticas para ayudar a los pronosticadores
a navegar y comprender mejor el ajuste de
los hiperparámetros.
✔ Finalmente, explorar nuevas estructuras de RNA y
nuevas técnicas de IA que puedan beneficiar el pronóstico
de la carga. Por ejemplo, las estructuras de las
tres generaciones del ANNSTLF son bastante diferentes,
lo que condujo a a una mejora en la precisión del
pronóstico.
figura 6. Las pruebas de humo para obtener resultados
demasiado buenos para ser reales
Aclaración 4
Dada una estructura de red, como las RNA de prealimentación
de tres capas, el número " óptimo " de neuronas ocultas
es único caso por caso. Se debe prestar atención a la
tabla 2. Cinco notables competiciones de pronóstico de carga desde la década de 1990 hasta la década de 2010.
Tiempo
Nombre de la
competición
2001
2012
2014
2017
Concurso EUNITE
GEFCom2012
GEFCom2014
GEFCom2017
EDF: Électricité de France.
26
ieee power & energy magazine
mayo/junio 2022
Problema
1991-1992 Tiroteo de Puget Sound Pronóstico de la carga a corto plazo;
Afiliaciones de los equipos ganadores
Universidad de California, San Diego
Universidad Metodista del Sur
Pronóstico de la carga a mediano plazo Universidad Nacional de Taiwán
Pronóstico jerárquico de la carga
CountingLab
Universidad de Cambridge
EDF I+D
Pronóstico probabilístico de la carga
Pronóstico de la carga probabilístico
jerárquico
EDF I+D
Universidad de Carolina del Norte, Charlotte
Corporación Meteorológica de Japón
* El artículo propone una mezcla (o híbrido)
de varias técnicas.
* Este artículo solamente rescata palabras
de marketing.
* La información está patentada
* El artículo no está realizado en coautoría con
personas de la industria (ni está patrocinado
por la industria)
* El método propuesto no utiliza nuevas variables
* El método propuesto no reconoce otros dominios
* El método propuesto no aprovecha nuevos
recursos computacionales
* El método propuesto domina a sus contrapartes
(otro método creíble) en todos los aspectos

IEEE Power & Energy Magazine - Spanish - May/June 2022

Table of Contents for the Digital Edition of IEEE Power & Energy Magazine - Spanish - May/June 2022