在过去的几十年里，关于供应商和电网治理者来说，寻觅更准确的方法来预测动力消耗不时是一项毫无结果的优惠，由于大少数电网依然依赖于关键参考生产历史和天气预告的预测模型。
公路和铁路交通数据与优惠亲密关系，经过这个网格治理人员可以更好地了解市区或城镇的哪些地域须要电力，哪些地域须要较少的电力。在测试中，将人工智能模型与传统的动力消耗预测模型相结合，可以在动力消耗出现前两到六个小时做出准确的预测。
实时模型还能够在危机时间提供准确性，例如在人造灾祸之后或出现另一场大盛行病时。假设行为出现变动，交通和铁路数据将能够迅速识别，并将能量转移到市区的不同区域。
随着电动汽车数量的增长，交通和电力需求之间的咨询将变得愈加严密。这象征着交通数据在预测用电量方面或者变得愈减轻要。
由于风能和太阳能少量涌入国度电网，动力供应的动摇变得愈加清楚，因此抵消耗量启动最准确的预测，关于电网运营商防止电力无余或停电至关关键。再加上对动力日益增长的需求，过去的预测模型或者不可坚持高水平的准确性。
在确定人工智能模型能否可以补充传统模型的后续测试中，钻研人员发现，它只会稍微提高准确性。目前，人工智能仿佛可以嵌入到其余模型中，以提供更高的准确性。
© 版权声明