Dựa vào kết quả nghiên cứu của Kitano, ta có nhận xét rằng: Thuật toán lan truyền ngược mất nhiều thời gian hơn để đến với điểm cực trị toàn cục, nhưng có thể đạt đến được. Trong khi đó, giải thuật di truyền cho ta tiến tới xung quanh vùng cực trị nhanh hơn, tuy nhiên để đạt được cực trị toàn cục là rất khó. Vì vậy khi kết hợp hai giải thuật này, ta dễ dàng đạt tới cực trị toàn cục hơn.
2.3 MÔ HÌNH GIẢI PHÁP ĐỀ XUẤT
2.3.1 Cách tiếp cận
Dựa vào những phân tích đã trình bày, cách tiếp cận chính để giải quyết bài toán dự báo phụ tải sẽ được xây dựng dựa trên việc sử dụng mạng nơ ron nhân tạo và giải thuật di truyền. Giải pháp đưa ra sẽ được chia làm ba trường hợp:
i. Sử dụng mạng nơ ron nhân tạo lan truyền ngược.
ii. Sử dụng mạng nơ ron và giải thuật di truyền để tối ưu bộ tham số.
iii. Kết hợp giải thuật di truyền để tối ưu bộ tham số trong mạng nơ ron lan truyền ngược.
Để cài đặt giải pháp, ta sẽ tiến hành thu thập và chuẩn hoá dữ liệu phục vụ dự báo trước. Sau đó, dữ liệu này sẽ được chia làm hai phần: bộ dữ liệu huấn luyện và bộ dữ liệu kiểm thử. Bộ dữ liệu huấn luyện sẽ được sử dụng để sinh bộ tham số cho mạng nơ ron, còn bộ dữ liệu kiểm thử được dùng để kiểm tra độ chính xác trong dự báo.
Database Tập huấn luyện Dữ liệu thực để dự báo
Chương trình dự báo phụ tải
Phụ tải dự báo Tập kiểm thử Xây dựng mạng Sử dụng GA để chọn bộ trọng số tốt nhất
Thuật toán lan truyền ngược
Thu thập và tiền xử lý dữ liệu
Mạng nơron nhân tạo được chọn sau quá trình huấn luyện
Kết quả dự báo dùng để kiểm thử