Short-Term Forecasting of Electricity Consumption Using Fuzzy Logic
Notice bibliographique
Résumé
The high demand for electricity in the production process at PT Semen Padang requires a system that can cope with various kinds of disturbances. The problem is that the need for electrical loads is dynamic, especially in the short term, allowing fluctuations between electrical loads at uncertain times. A short-term electric energy consumption forecasting method is needed to determine load growth and distributed power supply. This research aims to use a fuzzy logic algorithm to perform short-term electrical energy consumption forecasting and compare the forecasting results with the actual load at PT Semen Padang. The results showed that short-term load forecasting for seven days using the fuzzy Mamdani method, namely Smallest of Maximum (SoM), obtained a percentage MAPE value of 8.15%. Meanwhile, the Weight of Average (WoA) Sugeno defuzzification method gets a portion of the MAPE value of 9.51%. The Sugeno method is more accurate than the Mamdani method in short-term electricity load forecasting for PPI Indarung V PT Semen Padang. If based on the time category, then forecasting the electricity load on holidays is better than predicting on weekdays. However, when viewed in terms of per day, in Wednesday has the smallest average MAPE value of 5.05%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».