Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Cross-Domain Energy Consumption Prediction via ED-LSTM Networks Ramalan Penggunaan Tenaga Cross-Domain melalui Rangkaian ED-LSTM

Ye TAO, Fang KONG, Wenjun JU, Hui LI, Ruichun HOU

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Sebagai jenis sumber perkhidmatan sains dan teknologi yang penting, data penggunaan tenaga memainkan peranan penting dalam proses penyepaduan rantaian nilai antara pengeluar perkakas rumah dan grid negeri. Ramalan penggunaan elektrik yang tepat adalah penting untuk program tindak balas permintaan dalam perancangan grid pintar. Sebilangan besar algoritma ramalan sedia ada hanya mengeksploitasi data kepunyaan satu domain, iaitu, data beban elektrik sejarah. Walau bagaimanapun, kebergantungan dan korelasi mungkin wujud antara domain yang berbeza, seperti keadaan cuaca serantau dan profil penggunaan tenaga kediaman/industri tempatan. Untuk memanfaatkan sumber merentas domain, rangka kerja ramalan penggunaan tenaga hibrid dibentangkan dalam kertas kerja ini. Rangka kerja ini menggabungkan model ingatan jangka pendek panjang dengan unit penyahkod pengekod (ED-LSTM) untuk melaksanakan peramalan urutan ke jujukan. Percubaan meluas dijalankan dengan beberapa algoritma yang paling biasa digunakan ke atas set data merentas domain bersepadu. Keputusan menunjukkan bahawa rangka kerja ramalan pelbagai langkah yang dicadangkan mengatasi kebanyakan pendekatan sedia ada.

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E104-D No.8 pp.1204-1213
Tarikh penerbitan
2021/08/01
Diumumkan
2021/05/11
ISSN dalam talian
1745-1361
DOI
10.1587/transinf.2020BDP0006
Jenis Manuskrip
Special Section PAPER (Special Section on Computational Intelligence and Big Data for Scientific and Technological Resources and Services)
kategori

Pengarang

Ye TAO
  Qingdao University of Science and Technology
Fang KONG
  Qingdao University of Science and Technology
Wenjun JU
  Haier Technology Co., Ltd.
Hui LI
  Qingdao University of Science and Technology
Ruichun HOU
  Ocean University of China

Kata kunci

Contents [show]