論文の概要: Prediction of Household-level Heat-Consumption using PSO enhanced SVR Model

• arxiv url: http://arxiv.org/abs/2112.01908v1
• Date: Fri, 3 Dec 2021 13:46:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-06 19:48:53.378006
• Title: Prediction of Household-level Heat-Consumption using PSO enhanced SVR Model
• Title（参考訳）: PSO強化SVRモデルによる家庭レベルの熱消費予測
• Authors: Satyaki Chatterjee, Siming Bayer, and Andreas Maier
• Abstract要約: 実世界のスマートメーターデータを用いたカーネル支援ベクトル回帰(kSVR)に基づく地域暖房システム(DES)における熱エネルギー消費予測フレームワークを提案する。 平均MAPEは、個々のメートル比予測と社会消費予測で2.07%と2.64%に減少する。
• 参考スコア（独自算出の注目度）: 5.3580471186206005
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In combating climate change, an effective demand-based energy supply operation of the district energy system (DES) for heating or cooling is indispensable. As a consequence, an accurate forecast of heat consumption on the consumer side poses an important first step towards an optimal energy supply. However, due to the non-linearity and non-stationarity of heat consumption data, the prediction of the thermal energy demand of DES remains challenging. In this work, we propose a forecasting framework for thermal energy consumption within a district heating system (DHS) based on kernel Support Vector Regression (kSVR) using real-world smart meter data. Particle Swarm Optimization (PSO) is employed to find the optimal hyper-parameter for the kSVR model which leads to the superiority of the proposed methods when compared to a state-of-the-art ARIMA model. The average MAPE is reduced to 2.07% and 2.64% for the individual meter-specific forecasting and for forecasting of societal consumption, respectively.
• Abstract（参考訳）: 気候変動対策において、地域エネルギーシステム(des)の暖房や冷却に有効な需要ベースのエネルギー供給操作は不可欠である。 その結果、消費者側の熱消費の正確な予測は、最適なエネルギー供給に向けて重要な第一歩となる。 しかし, 熱消費データの非線形性と非定常性のため, DESの熱エネルギー需要の予測は依然として困難である。 本研究では,実世界のスマートメータデータを用いたkernel support vector regression(ksvr)に基づく地域暖房システム(dhs)における熱エネルギー消費量予測フレームワークを提案する。 粒子群最適化(PSO)を用いてkSVRモデルの最適ハイパーパラメータを求めることにより,最先端のARIMAモデルと比較して提案手法の優位性を実現する。 平均MAPEは、個々のメートル比予測と社会消費予測で2.07%と2.64%に減少する。

関連論文リスト

• Improving Building Temperature Forecasting: A Data-driven Approach with System Scenario Clustering [3.2114754609864695]
  暖房、換気、空調のシステムは、建築セクターにおけるエネルギー使用量の約40%を消費する。 大規模HVACシステム管理では,各サブシステムに対して詳細なモデルを構築することは困難である。 k平均クラスタリング法に基づく新しいデータ駆動室温予測モデルを提案する。
  論文  参考訳（メタデータ） (2024-02-21T09:04:45Z)
• Global Transformer Architecture for Indoor Room Temperature Forecasting [49.32130498861987]
  本研究は,多室ビルにおける室内温度予測のためのグローバルトランスフォーマーアーキテクチャを提案する。 エネルギー消費を最適化し、HVACシステムに関連する温室効果ガス排出を削減することを目的としている。 本研究は,マルチルームビルにおける室内温度予測にトランスフォーマーアーキテクチャを適用した最初の事例である。
  論文  参考訳（メタデータ） (2023-10-31T14:09:32Z)
• Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
  エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。 本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。 評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-07-14T06:50:02Z)
• Data-driven HVAC Control Using Symbolic Regression: Design and Implementation [0.0]
  本研究では,データ駆動加熱・換気・空調制御の設計と実装手法を提案する。 熱力学の構築は、収集されたデータから構築されたシンボリック回帰モデル(SRM)を用いてモデル化される。 提案フレームワークは、広く使われているサーモスタットコントローラと比較してピーク電力を16.1%削減する。
  論文  参考訳（メタデータ） (2023-04-06T13:57:50Z)
• Heat Demand Forecasting with Multi-Resolutional Representation of Heterogeneous Temporal Ensemble [6.748976209131109]
  ニューラルネットワークに基づく熱需要予測フレームワークを提案する。 熱負荷の予測にはCNNを用いる。 提案するフレームワークは、最先端のベースライン法よりも一貫して優れている。
  論文  参考訳（メタデータ） (2022-10-24T10:48:53Z)
• Comparative Analysis of Time Series Forecasting Approaches for Household Electricity Consumption Prediction [3.7458346891274013]
  データマイニングツールであるWekaを使用して、まず、Kaggleのデータサイエンスコミュニティから利用可能な、時間給と日給のエネルギー消費データセットのモデルを適用します。 第2に,大韓民国選択世帯の世帯エネルギー消費を天気データと無気象データを用いて予測するために,時系列予測モデルであるARIMAとVARをピソンに導入した。 以上の結果から,エネルギー消費予測の最良の方法は,多層パーセプトロンとガウスプロセス回帰に続く支持ベクトル回帰であることがわかった。
  論文  参考訳（メタデータ） (2022-07-03T12:16:54Z)
• A novel MDPSO-SVR hybrid model for feature selection in electricity consumption forecasting [0.0]
  本研究では,分散粒子群最適化 (MDPSO) を特徴選択に用いた。 MDPSO-SVRモデルは、他の確立されたモデルと比較すると、2つの実世界の電力消費データセットにおいて常に最高の性能を発揮する。
  論文  参考訳（メタデータ） (2022-06-14T07:50:04Z)
• A Hybrid Model for Forecasting Short-Term Electricity Demand [59.372588316558826]
  現在、英国電気市場は、規制当局が30分毎に発行する負荷(需要)予測によってガイドされている。 本稿では,機能工学(候補予測機能の選択),移動ウィンドウ予測,LSTMエンコーダデコーダを組み合わせたハイブリッド予測モデルHYENAを提案する。
  論文  参考訳（メタデータ） (2022-05-20T22:13:25Z)
• Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
  マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。 ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
  論文  参考訳（メタデータ） (2020-02-21T02:14:38Z)
• Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable Edge Computing Systems [87.4519172058185]
  エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。 定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。 実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
  論文  参考訳（メタデータ） (2020-02-20T04:58:07Z)
• NeurOpt: Neural network based optimization for building energy management and climate control [58.06411999767069]
  モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。 イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
  論文  参考訳（メタデータ） (2020-01-22T00:51:03Z)

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。