Научная группа из Московского Энергетического Института провела исследование о наиболее распространённых методах и способах применения нейросетевого программного обеспечения в области прогнозирования нагрузок нагрузок на энерговырабатывающие объекты.
Первые работы по методам прогнозирования нагрузок энергетических систем появились на рубеже в четрвой четверти ХХ‑го века. Основной недостаток регрессионных моделей и моделей на основе временных рядов, в основе которых лежат статистические методы, состоит в небольшой степени детализации прогнозируемых энергосистем.
С развитием вычислительных мощностей компьютерной техники в решении задач прогнозирования энергетических нагрузок стали применяться модели на основе искусственных нейронных сетей (ИНС). Сначала это были экспертные системы с использованием нечетких множеств, так называемые Fuzzy Expert Systems. Последующее развитие привело к появлению гибридных систем (экспертная система и нейронная сеть) и нейронные сети с нечеткой логикой — Fuzzy Neural Networks (FNN).
Подобные подходы являются перспективными, что обусловлено возможностью построения модели объекта без подробного его описания при одновременной достаточной адекватности модели. Анализ также позволяет выявить факторы, наиболее влияющие на энергопотребление объекта, получить их весовое участие в процессе энергопотребления и рассчитать вероятностные характеристики, соответствующие различным явлениям.