Improving the Performance of Short-Term Load Forecast Using a Hybrid Artificial Neural Network and Artificial Bee Colony Algorithm Amélioration des performances de la prévision de la charge à court terme à l'aide d'un réseau neuronal artificiel hybride et d'un algorithme de colonies d'abeilles artificielles

• Published in: Canadian journal of electrical and computer engineering Vol. 44; no. 3; pp. 275 - 282
• Main Authors: Baesmat, Kamran Hassanpouri, Masodipour, Iman, Samet, Haidar
• Format: Journal Article
• Language: English
• Published: IEEE 2021
• Subjects: Artificial bee colony (ABC); Artificial bee colony algorithm; Artificial neural networks; bad data elimination; Load forecasting; neural network; Search methods; short-term load forecast (STLF); Simulation; Weather forecasting
• ISSN: 2694-1783; 2694-1783
• DOI: 10.1109/ICJECE.2021.3056125

Tools such as short-term load forecast (STLF) play an ever-important role in the operation and planning of power systems. Improving STLF accuracy could reduce heavy penalties and missed financial opportunities. In this article, a new hybrid forecast method is proposed to improve STLF accuracy. The proposed hybrid STLF method is based on artificial neural network (ANN) and artificial bee colony (ABC) algorithms. The ABC algorithm is used to optimize the learning procedure of ANN. New load modeling is presented based on historical and weather data. Bad data elimination and calendar effects are considered in the STLF procedure. The proposed hybrid STLF method is verified by forecasting the Bushehr province demand. The results proved that the proposed method significantly improved STLF accuracy. Résumé -Les outils tels que les prévisions de charge à court terme (STLF) jouent un rôle de plus en plus important dans l'exploitation et la planification des réseaux électriques. Améliorer la précision des STLF pourrait réduire les lourdes pénalités et les opportunités financières manquées. Dans cet article, une nouvelle méthode de prévision hybride est proposée pour améliorer la précision des STLF. La méthode STLF hybride proposée est basée sur les algorithmes de réseau neuronal artificiel (ANN) et de colonie d'abeilles artificielle (ABC). L'algorithme ABC est utilisé pour optimiser la procédure d'apprentissage des ANN. Une nouvelle modélisation de la charge est présentée sur la base de données historiques et météorologiques. L'élimination des mauvaises données et les effets de calendrier sont pris en compte dans la procédure STLF. La méthode STLF hybride proposée est vérifiée en prévoyant la demande de la province de Bushehr. Les résultats ont prouvé que la méthode proposée améliore considérablement la précision de la méthode STLF.