論文の概要: AI-Powered Predictions for Electricity Load in Prosumer Communities
- arxiv url: http://arxiv.org/abs/2402.13752v1
- Date: Wed, 21 Feb 2024 12:23:09 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-22 15:32:37.143330
- Title: AI-Powered Predictions for Electricity Load in Prosumer Communities
- Title（参考訳）: プロシューマーコミュニティにおけるaiを活用した電力負荷予測
- Authors: Aleksei Kychkin, Georgios C. Chasparis
- Abstract要約: 本稿では,人工知能を用いた短期負荷予測手法を提案する。
その結果、(負荷予測タスクに適応した)持続的項と回帰的項の組み合わせは、最高の予測精度が得られることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The flexibility in electricity consumption and production in communities of
residential buildings, including those with renewable energy sources and energy
storage (a.k.a., prosumers), can effectively be utilized through the
advancement of short-term demand response mechanisms. It is known that
flexibility can further be increased if demand response is performed at the
level of communities of prosumers, since aggregated groups can better
coordinate electricity consumption. However, the effectiveness of such
short-term optimization is highly dependent on the accuracy of electricity load
forecasts both for each building as well as for the whole community. Structural
variations in the electricity load profile can be associated with different
exogenous factors, such as weather conditions, calendar information and day of
the week, as well as user behavior. In this paper, we review a wide range of
electricity load forecasting techniques, that can provide significant
assistance in optimizing load consumption in prosumer communities. We present
and test artificial intelligence (AI) powered short-term load forecasting
methodologies that operate with black-box time series models, such as
Facebook's Prophet and Long Short-term Memory (LSTM) models; season-based
SARIMA and smoothing Holt-Winters models; and empirical regression-based models
that utilize domain knowledge. The integration of weather forecasts into
data-driven time series forecasts is also tested. Results show that the
combination of persistent and regression terms (adapted to the load forecasting
task) achieves the best forecast accuracy.
- Abstract（参考訳）: 再生可能エネルギー源とエネルギー貯蔵(すなわち、プロシューマー)を含む住宅のコミュニティにおける電力消費と生産の柔軟性は、短期的な需要応答機構の進歩によって効果的に利用することができる。
集束群は電力消費の調整が容易なため、需要応答をプロシューマーのコミュニティレベルで行えば、さらに柔軟性が増すことが知られている。
しかし,このような短期的最適化の有効性は,各建物および地域全体の電力負荷予測の精度に大きく依存する。
電力負荷プロファイルの構造的変化は、気象条件、カレンダー情報、週の日といった異なる外因的要因、およびユーザーの振る舞いと関連付けられる。
本稿では, 電力負荷予測技術について概説し, 地域社会における電力負荷の最適化に有効であることを示す。
我々は,FacebookのProphetとLong Short-term Memory(LSTM)モデル,季節ベースのSARIMAとスムーズなHolt-Wintersモデル,ドメイン知識を利用した経験的回帰モデルなど,ブラックボックス時系列モデルで動作する短期負荷予測手法を提示し,検証する。
データ駆動時系列予測への天気予報の統合もテストされている。
その結果、持続的および回帰的用語の組み合わせ(負荷予測タスクに適応)が最適な予測精度を達成することが示された。
関連論文リスト
- Tackling Data Heterogeneity in Federated Time Series Forecasting [61.021413959988216]
時系列予測は、エネルギー消費予測、病気の伝染モニタリング、天気予報など、様々な実世界の応用において重要な役割を果たす。
既存のほとんどのメソッドは、分散デバイスから中央クラウドサーバに大量のデータを収集する、集中的なトレーニングパラダイムに依存しています。
本稿では,情報合成データを補助的知識キャリアとして生成することにより,データの均一性に対処する新しいフレームワークであるFed-TRENDを提案する。
論文 参考訳（メタデータ） (2024-11-24T04:56:45Z) - Fast and interpretable electricity consumption scenario generation for individual consumers [0.0]
予測クラスタリング木(PCT)に基づく高速かつ解釈可能なシナリオ生成手法を提案する。
提案手法は, トレーニングや予測において, 少なくとも7倍の精度で, 最先端の時系列を生成する。
論文 参考訳（メタデータ） (2024-10-23T13:41:58Z) - Efficient mid-term forecasting of hourly electricity load using generalized additive models [0.0]
本稿では,解釈可能なP-スプラインから構築され,自己回帰後処理によって強化された一般化付加モデル(GAM)を用いた新しい予測手法を提案する。
提案手法は欧州24カ国の負荷データに基づいて評価される。
論文 参考訳（メタデータ） (2024-05-27T11:41:41Z) - Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
気象予報に拡散モデル(DM)を適用した新しい手法を提案する。
提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。
我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
論文 参考訳（メタデータ） (2024-02-06T21:28:42Z) - Interactive Generalized Additive Model and Its Applications in Electric
Load Forecasting [12.431475555894089]
本稿では,電力産業において,解釈可能なだけでなく,特定の分野の知識を取り入れた対話型GAMを提案する。
我々の対話型GAMは、現在の最先端手法よりも優れており、極端な気象事象の場合に優れた一般化能力を示す。
インタラクティブなGAMをベースにしたユーザフレンドリーなWebベースのツールをローンチし、すでにeForecaster製品に組み込んでいます。
論文 参考訳（メタデータ） (2023-10-24T09:17:47Z) - Analysis of Weather and Time Features in Machine Learning-aided ERCOT
Load Forecasting [0.2184775414778289]
本研究は,短期システム全体の総負荷を予測するための入力機能の一部として,さまざまな時間と天気情報を取得する機械学習(ML)モデルを開発する。
同じ地域の実際の負荷と過去の気象データを処理し、その後MLモデルのトレーニングに使用した。
ケーススタディでは、ESROT負荷予測のための異なる天候と時間入力特性で訓練されたMLモデルの有効性が実証された。
論文 参考訳（メタデータ） (2023-10-13T00:46:12Z) - 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) - 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 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) - 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) - Stochastically forced ensemble dynamic mode decomposition for
forecasting and analysis of near-periodic systems [65.44033635330604]
本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。
固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。
電力グリッドからの負荷データを用いたテストケースの結果が提示される。
論文 参考訳（メタデータ） (2020-10-08T20:25:52Z)
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。