เปรียบเทียบวิธี

	การพยากรณ์ภาระไฟฟ้า	การประมาณค่าสถานะกริดอัจฉริยะ
สาขาวิชา	วิศวกรรมไฟฟ้า	วิศวกรรมไฟฟ้า
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	1960s	1970s
ผู้ริเริ่ม	Electrical utilities	Power systems engineering community
ประเภท	Computational pipeline	Computational pipeline
แหล่งต้นตำรับ	Hippert, H. S., Pedreira, C. E., & Souza, R. C. (2001). Neural networks for short-term load forecasting: A review and evaluation. IEEE Transactions on Power Systems, 16(1), 44-55.	Abur, A., & Exposito, A. G. (2004). Power System State Estimation: Theory and Implementation. Marcel Dekker.
ชื่อเรียกอื่น	demand forecasting, electricity consumption prediction, load demand estimation	state estimation, network state estimation, grid state assessment
ที่เกี่ยวข้อง	4	4
สรุป	Load forecasting predicts future electrical demand on power systems across various time horizons: minutes to hours (short-term), days to weeks (medium-term), and months to years (long-term). Accurate forecasting is essential for economic dispatch, unit commitment, and system reliability. Methods range from classical statistical regression to modern machine learning approaches.	Power system state estimation infers the real-time voltage and phase angle at every bus in a power network from redundant measurements of power flows and voltages. It is the foundation of modern grid operations, enabling real-time monitoring, contingency analysis, and optimal control. Advanced state estimation with synchronized phasor measurements (synchrophasors) enables faster control and detection of instabilities.