Advanced Methods of Power Load Forecasting
Objektkategorie:
Elektronische Ressource
Person/Institution:
Verlag:
MDPI - Multidisciplinary Digital Publishing Institute
Veröffentlichungsort:
Basel
Entstehungszeit:
2022
Umfang, Illustration, Format:
1 Online-Ressource (128 p.)
Sprache:
Nicht zu entscheiden
Bereitstellende Institution:
Weitere Objektinformationen
Abstract:
This reprint introduces advanced prediction models focused on power load forecasting. Models based on artificial intelligence and more traditional approaches are shown, demonstrating the real possibilities of use to improve prediction in this field. Models of LSTM neural networks, LSTM networks with a SESDA architecture, in even LSTM-CNN are used. On the other hand, multiple seasonal Holt-Winters models with discrete seasonality and the application of the Prophet method to demand forecasting are presented. These models are applied in different circumstances and show highly positive results. This reprint is intended for both researchers related to energy management and those related to forecasting, especially power load
Objekttext:
English
Zugriff und Nutzungsmöglichkeiten
Kontaktinformationen
Universität Erfurt
Forschungsbibliothek Gotha
Schloss Friedenstein
Schlossplatz 1
99867 Gotha
+49 361 737-5540
bibliothek.gotha(at)uni-erfurt.de
Forschungsbibliothek Gotha
Schloss Friedenstein
Schlossplatz 1
99867 Gotha
+49 361 737-5540
bibliothek.gotha(at)uni-erfurt.de
Administrative Angaben
Datensatz angelegt am:
2023-04-12
Zuletzt geändert am:
2023-01-29
In Portal übernommen am:
2023-04-12
Feedback
Unsere Datensätze befinden sich in stetiger Weiterentwicklung. Wenn Sie zusätzliche Informationen zu diesem Objekt oder einen Fehler entdeckt haben, dann schreiben Sie uns. Informationen zum Datenschutz