Ricerca pubblicata su Rivista internazionale di tecnologia e politica energetica mostra come una rete neurale può essere addestrata con un algoritmo genetico per prevedere le richieste a breve termine del carico di elettricità. Chawalit Jeenanunta e Darshana Abeyrathna della Thammasat University, a Thani, Tailandia, spiegare che è fondamentale per i produttori di elettricità essere in grado di stimare quanta domanda ci sarà sui loro sistemi nelle prossime 48 ore. Senza tali previsioni, ci saranno inevitabilmente carenze nella produzione di energia quando la domanda è superiore al previsto o energia e risorse sprecate se la domanda è inferiore al previsto.

Il team ha utilizzato i dati dell'autorità per la generazione di elettricità della Thailandia (EGAT) per addestrare una rete neurale tramite un algoritmo genetico. I risultati vengono confrontati con l'approccio più convenzionale di retropropagazione alla previsione e mostrano che il sistema è molto migliore e prevede l'aumento e la diminuzione della domanda di elettricità. L'approccio alla rete neurale dell'algoritmo genetico (GANN) impiega circa 30 minuti per l'addestramento alla previsione rispetto a 1 minuto per l'addestramento alla propagazione all'indietro di una rete neurale. Però, il valore aggiunto di previsioni molto più accurate supera di gran lunga questo tempo e sforzo aggiuntivi.