Feature and model selection for day-ahead electricity-load forecasting in residential buildings

A Multi-Step Ensemble Approach for Energy Community Day-Ahead Net Load Point and Probabilistic Forecasting

“…Kychkin et al [20] employ data from 4 houses located in Upper Austria, with data collected between 1 May 2016 to 31 August 2017. They compute at the end of one day the prediction for the next 24 h, with a 15 min sampling interval.…”

“…In (20), N represents the total number of samples, and p is the number of model parameters. The bounds, assumed to be symmetric, are:…”

LSTM Моделін Қолдана Отыра Фотоэлектрлік Электр Станцияларының Электр Энергиясын Өндіруді Қысқа Мерзімді Болжау

“…Мақалада қысқа мерзімді болжамға және олардың тиімділігіне назар аудара отырып, болжау модельдеріне кең шолу жасай отырып, күн мен жел энергиясын негізгі электр желілеріне сәтті біріктіру үшін болжаудың маңыздылығы қарастырылады [24]. Зерттеу энергия жүйелеріндегі кө-пөлшемді болжау үшін терең оқытудың жаңа жаһандық модельдерінің тиімділігі туралы шолуды ұсынады, олардың қолданылуы мен шектеулеріне баса назар аударады [25].Ұсынылған зерттеу нақты деректерде олардың жоғары дәлдігін дәлелдейтін жаңа әдістерді қолдана отырып, тұрғын үйлердегі электр жүктемесін болжаудың тиімді модельдерін әзірлейді [26].Мақалада жасанды нейрондық желілерді пайдалануға баса назар аудара отырып, күн белсенділігін болжаудың әртүрлі үлгілері қарастырылады және талданады және гибридті және алдын ала деректерді өңдеу арқылы олардың дәлдігін жақсарту әдістері ұсынылған [27]. Бұл мақалада электр жүктемесін болжау әдістері мен модельдеріне шолу жасалды (ELF).…”

Combined model electricity load forecasting based on NeuralProphet and Bi-LSTM-SA

“…Initially, the field predominantly used biographical methods such as autoregressive (AR), seasonal autoregressive integral sliding average model (SARIMA), and Holt-Winters (HW) model with biexponential smoothing. Subsequently, more advanced models were developed, including periodic autoregressive IOP Publishing doi:10.1088/1742-6596/2781/1/012025 2 (PAR), smoothed transition periodical regression (SPR), and smoothed transition periodical neural network (SPNN), which have significantly improved prediction accuracy [1]. Fractional ARIMA models optimized using cuckoo search algorithms perform well in short-term forecasting [2].…”