論文の概要: Uncovering Dominant Features in Short-term Power Load Forecasting Based
on Multi-source Feature
- arxiv url: http://arxiv.org/abs/2103.12534v1
- Date: Tue, 23 Mar 2021 13:43:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-24 20:54:16.807219
- Title: Uncovering Dominant Features in Short-term Power Load Forecasting Based
on Multi-source Feature
- Title(参考訳): マルチソース特徴に基づく短期電力負荷予測における支配的特徴の発見
- Authors: Pan Zeng, Md Fazla Elahe, Junlin Xu, Min Jin
- Abstract要約: 本稿では, 電力負荷変動と影響要因の複雑な関係を研究するため, 天文学, 地理学, 社会から80の潜在的特徴を収集する。
ケーススタディでは,最先端手法と比較して,予測精度を33.0%から34.7%向上した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Due to the limitation of data availability, traditional power load
forecasting methods focus more on studying the load variation pattern and the
influence of only a few factors such as temperature and holidays, which fail to
reveal the inner mechanism of load variation. This paper breaks the limitation
and collects 80 potential features from astronomy, geography, and society to
study the complex nexus between power load variation and influence factors,
based on which a short-term power load forecasting method is proposed. Case
studies show that, compared with the state-of-the-art methods, the proposed
method improves the forecasting accuracy by 33.0% to 34.7%. The forecasting
result reveals that geographical features have the most significant impact on
improving the load forecasting accuracy, in which temperature is the dominant
feature. Astronomical features have more significant influence than social
features and features related to the sun play an important role, which are
obviously ignored in previous research. Saturday and Monday are the most
important social features. Temperature, solar zenith angle, civil twilight
duration, and lagged clear sky global horizontal irradiance have a V-shape
relationship with power load, indicating that there exist balance points for
them. Global horizontal irradiance is negatively related to power load.
- Abstract(参考訳): データ可用性の限界により、従来の電力負荷予測手法は、負荷変動パターンの研究と、負荷変動の内部メカニズムを明らかにすることができない温度やホリデーなど、少数の要因の影響に重点を置いている。
本論文は, 電力負荷変動と影響要因の複雑な関係を研究するため, 天文学, 地理学, 社会から80の潜在的特徴を抽出し, 短時間電力負荷予測法を提案する。
ケーススタディでは,最先端手法と比較して,予測精度を33.0%から34.7%向上した。
その結果, 地理的特徴が負荷予測精度の向上に最も大きな影響を与えていることが明らかとなった。
天文学的な特徴は社会的な特徴よりも大きな影響を及ぼし、太陽に関連する特徴が重要な役割を果たす。
土曜日と月曜日が最も重要な社会的特徴である。
温度、太陽のゼニス角、トワイライト持続時間、ラグした空グローバル水平放射光は、電力負荷とv字型の関係を持ち、それらのバランスポイントが存在することを示している。
グローバル水平照射は電力負荷に負の関係がある。
関連論文リスト
- ExtremeCast: Boosting Extreme Value Prediction for Global Weather
Forecast [61.138475638813354]
非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。
また,ExEnsembleという名称のトレーニングフリーな極値拡張戦略を導入し,画素値のばらつきを増大させ,予測ロバスト性を向上させる。
提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
論文 参考訳(メタデータ) (2024-02-02T10:34:13Z) - Location Agnostic Source-Free Domain Adaptive Learning to Predict Solar
Power Generation [0.0]
本稿では,気象特性を用いた太陽発電を推定するためのドメイン適応型ディープラーニングフレームワークを提案する。
フィードフォワード深部畳み込みネットワークモデルは、既知の位置データセットを教師付きでトレーニングし、後に未知の場所の太陽エネルギーを予測するために使用される。
我々の手法では、カリフォルニア(CA)、フロリダ(FL)、ニューヨーク(NY)の順応的でない手法と比較して、太陽エネルギー予測精度が10.47 %、7.44 %、5.11%の改善が見られた。
論文 参考訳(メタデータ) (2024-01-24T02:08:48Z) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳(メタデータ) (2024-01-22T14:02:56Z) - Comparing Data-Driven and Mechanistic Models for Predicting Phenology in
Deciduous Broadleaf Forests [47.285748922842444]
我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。
このアプローチは従来のプロセスベースのモデルよりも優れています。
論文 参考訳(メタデータ) (2024-01-08T15:29:23Z) - Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-06-01T19:54:39Z) - A Meta-Analysis of Solar Forecasting Based on Skill Score [0.0]
定性的な太陽予測の総合的メタ分析を,スキルスコアに基づいて行った。
4,687点のデータベースを構築し解析した。
時間内および日内予測は日頭予測よりも改善が見られた。
論文 参考訳(メタデータ) (2022-08-22T18:37:01Z) - Forecasting large-scale circulation regimes using deformable
convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討
今後1~15日にわたって北大西洋-欧州の気象条件を予測した。
より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5~6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
論文 参考訳(メタデータ) (2022-02-10T11:37:00Z) - How to Train Your Flare Prediction Model: Revisiting Robust Sampling of
Rare Events [0.9851812512860351]
本稿では,メタデータの特徴時系列による太陽フレア予測のケーススタディとして,顕著なクラス不均衡と時間的コヒーレントな問題として扱う。
時系列予測における連続性の要求によって引き起こされる時間的コヒーレンスの概念を概観し、この効果の適切な理解の欠如がモデルの性能を飛躍的に向上させることを示した。
これらの課題に対する主要な改善策を再考し、これらの改善がパフォーマンスに与える影響を正確に示すいくつかの実験を示す。
論文 参考訳(メタデータ) (2021-03-12T21:37:08Z) - Investigating Underlying Drivers of Variability in Residential Energy
Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。
本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
論文 参考訳(メタデータ) (2021-02-16T16:56:27Z) - AST-GCN: Attribute-Augmented Spatiotemporal Graph Convolutional Network
for Traffic Forecasting [12.284512000306314]
交通予測手法に外部要因を統合するための属性拡張時間グラフ畳み込みネットワーク(AST-GCN)を提案する。
従来の交通予測手法と比較して,交通予測タスクの外部情報を考慮した場合の有効性を示す。
論文 参考訳(メタデータ) (2020-11-22T12:49:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。