論文の概要: Quality versus speed in energy demand prediction for district heating systems

• arxiv url: http://arxiv.org/abs/2205.07863v1
• Date: Tue, 10 May 2022 15:47:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-22 13:46:46.415260
• Title: Quality versus speed in energy demand prediction for district heating systems
• Title（参考訳）: 地域暖房システムのエネルギー需要予測における品質と速度
• Authors: Witold Andrzejewski and Jedrzej Potoniec and Maciej Drozdowski and Jerzy Stefanowski and Robert Wrembel and Pawe{\l} Stapf
• Abstract要約: 電力需要予測は、競争力のある電力市場での電力供給において、複合発電システムにおいて不可欠である。 本研究では,(1)E. Dotzauer が提案するアルゴリズムの新たな拡張,(2) 移動平均エネルギー消費に対する週毎の線形回帰に基づく自己回帰予測器を提案する。 これらの2つの手法は、最先端の人工ニューラルネットワークと比較される。
• 参考スコア（独自算出の注目度）: 3.4057682528839237
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we consider energy demand prediction in district heating systems. Effective energy demand prediction is essential in combined heat power systems when offering electrical energy in competitive electricity markets. To address this problem, we propose two sets of algorithms: (1) a novel extension to the algorithm proposed by E. Dotzauer and (2) an autoregressive predictor based on hour-of-week adjusted linear regression on moving averages of energy consumption. These two methods are compared against state-of-the-art artificial neural networks. Energy demand predictor algorithms have various computational costs and prediction quality. While prediction quality is a widely used measure of predictor superiority, computational costs are less frequently analyzed and their impact is not so extensively studied. When predictor algorithms are constantly updated using new data, some computationally expensive forecasting methods may become inapplicable. The computational costs can be split into training and execution parts. The execution part is the cost paid when the already trained algorithm is applied to predict something. In this paper, we evaluate the above methods with respect to the quality and computational costs, both in the training and in the execution. The comparison is conducted on a real-world dataset from a district heating system in the northwest part of Poland.
• Abstract（参考訳）: 本稿では,地域熱システムにおけるエネルギー需要予測について考察する。 競争力のある電力市場での電力供給において、エネルギー需要の効果的な予測は複合熱システムにおいて不可欠である。 この問題に対処するために,(1) e. dotzauer が提案したアルゴリズムの拡張,(2) エネルギー消費量の移動平均に対する1週間の調整線形回帰に基づく自己回帰予測器,という2つのアルゴリズムを提案する。 これら2つの手法は最先端のニューラルネットワークと比較される。 エネルギー需要予測アルゴリズムは様々な計算コストと予測品質を有する。 予測品質は予測的優位性の尺度として広く用いられているが、計算コストは少なく、その影響はそれほど広く研究されていない。 予測アルゴリズムが新しいデータを使って常に更新される場合、計算コストの高い予測手法が適用できない場合がある。 計算コストは、トレーニングと実行の部分に分けられる。 実行部は、すでに訓練済みのアルゴリズムを適用して何かを予測した場合のコストである。 本稿では,これらの手法を,トレーニングと実行の両方において,品質と計算コストに関して評価する。 比較は、ポーランド北西部の地区暖房システムによる実世界のデータセットで行われている。

関連論文リスト

• 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)
• Comparison and Evaluation of Methods for a Predict+Optimize Problem in Renewable Energy [42.00952788334554]
  本稿では2021年に開催されたIEEE-CIS Technical Challenge on Predict+ for Renewable Energy Schedulingについて述べる。 コンペティションにおける上位7つのソリューションの比較と評価を行う。 勝算法は異なるシナリオを予測し、サンプル平均近似法を用いて全てのシナリオに最適化した。
  論文  参考訳（メタデータ） (2022-12-21T02:34:12Z)
• Online Search with Predictions: Pareto-optimal Algorithm and its Applications in Energy Markets [32.50099216716867]
  本稿では、揮発性電力市場におけるエネルギー取引のための学習強化アルゴリズムを開発する。 オンライン検索問題に対する競合アルゴリズムの設計には,機械学習による予測が組み込まれている。
  論文  参考訳（メタデータ） (2022-11-12T04:12:10Z)
• Scalable computation of prediction intervals for neural networks via matrix sketching [79.44177623781043]
  既存の不確実性推定アルゴリズムでは、モデルアーキテクチャとトレーニング手順を変更する必要がある。 本研究では、与えられたトレーニングされたニューラルネットワークに適用し、近似予測間隔を生成できる新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-05-06T13:18:31Z)
• Physics Informed Shallow Machine Learning for Wind Speed Prediction [66.05661813632568]
  イタリアの32カ所の標高10mの風速計から観測された大量の風のデータセットを分析した。 我々は、過去の風の履歴を用いて教師あり学習アルゴリズムを訓練し、その価値を将来予測する。 最適設計と性能は場所によって異なることがわかった。
  論文  参考訳（メタデータ） (2022-04-01T14:55:10Z)
• Non-Clairvoyant Scheduling with Predictions Revisited [77.86290991564829]
  非論理的スケジューリングでは、優先度不明な処理条件でジョブをスケジューリングするためのオンライン戦略を見つけることが課題である。 我々はこのよく研究された問題を、アルゴリズム設計に(信頼できない)予測を統合する、最近人気の高い学習強化された設定で再検討する。 これらの予測には所望の特性があり, 高い性能保証を有するアルゴリズムと同様に, 自然な誤差測定が可能であることを示す。
  論文  参考訳（メタデータ） (2022-02-21T13:18:11Z)
• A Novel Prediction Setup for Online Speed-Scaling [3.3440413258080577]
  アルゴリズムを設計(スケジュール)する際にエネルギー的考慮を組み込むのが基本である。 本稿では,古典的,期限ベース,オンラインの高速スケーリング問題に対して,両世界の長所を把握しようと試みる。
  論文  参考訳（メタデータ） (2021-12-06T14:46:20Z)
• The impact of online machine-learning methods on long-term investment decisions and generator utilization in electricity markets [69.68068088508505]
  電力需要プロファイルを24時間以内に予測するために,オフライン11とオンライン5の学習アルゴリズムが与える影響を調査した。 最良オフラインアルゴリズムと比較して,オンラインアルゴリズムを用いて平均絶対誤差を30%削減できることを示した。 また,予測精度の大きな誤差は,17年間の投資に不均等な誤差があることを示す。
  論文  参考訳（メタデータ） (2021-03-07T11:28:54Z)
• Learning Augmented Energy Minimization via Speed Scaling [11.47280189685449]
  本稿では,従来のオンラインのスピードスケーリング問題において,未来に関する機械学習予測を自然に統合する手法について検討する。 学習強化オンラインアルゴリズムの最近の研究に触発されて,予測をブラックボックス方式で組み込んだアルゴリズムを提案し,精度の高いオンラインアルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-22T11:58:01Z)
• Physics-Informed Gaussian Process Regression for Probabilistic States Estimation and Forecasting in Power Grids [67.72249211312723]
  電力グリッドの効率的な運転にはリアルタイム状態推定と予測が不可欠である。 PhI-GPRは3世代電力系統の位相角,角速度,風力の予測と推定に使用される。 提案手法は観測された状態と観測されていない状態の両方を正確に予測し,推定することができることを示す。
  論文  参考訳（メタデータ） (2020-10-09T14:18:31Z)
• N-BEATS neural network for mid-term electricity load forecasting [8.430502131775722]
  提案手法は,中期電力負荷予測問題の解決に有効であることを示す。 実装と訓練は簡単で、信号前処理は不要であり、予測バイアス低減機構を備えている。 実験的な研究によると、提案されたニューラルネットワークは、正確性と予測バイアスの両方の観点から、すべての競合より明らかに優れています。
  論文  参考訳（メタデータ） (2020-09-24T21:48:08Z)

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。