Short-Term Electricity Consumption Forecasting Based On Long Short-Term Memory Network

Duan, Jiandong; Hou, Zequan; Wang, Peng; Fang, Shuai; Tian, Xuan

doi:10.1109/ei252483.2021.9712896

Cited by 4 publications

(2 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Masalah utama yang umumnya diperhatikan oleh kedua sisi pemasok listrik dan konsumen ditemukan dengan menganalisis karakteristik dan perilaku konsumsi [10]. Peramalan konsumsi listrik presisi tinggi tidak hanya dapat memastikan pengoperasian sistem tenaga yang aman dan andal, tetapi juga membawa manfaat ekonomi yang cukup Analisis Pemakaian Energi Listrik di Kantin Kampus 2 Universitas Pamulang Heri Kusnadi, Hafidz Nurfadilah, Mardiansyah, Romdhoni 159 besar [11]. Sistem manajemen kelistrikan memungkinkan terciptanya kondisi untuk mode manajemen konsumsi listrik yang terarah [12].…”

Section: Tinjauan Pustakaunclassified

Analisis Pemakaian Energi Listrik di Kantin Kampus 2 Universitas Pamulang

Kusnadi

Nurfadilah

Mardiansyah

et al. 2023

tech

View full text Add to dashboard Cite

Energi listrik merupakan salah satu kebutuhan yang sangat penting untuk kehidupan serta dibutuhkan dalam berbagai kegiatan. Seiring perkembangan zaman kebutuhan listrik akan meningkat dengan adanya peningkatan dan perkembangan baik dari jumlah penduduk, jumlah investasi, perkembangan teknologi termasuk didalamnya perkembangan dunia pendidikan untuk semua jenjang pendidikan. Universitas Pamulang merupakan salah satu lembaga pendidikan yang memiliki kantin dengan konsumsi energi listrik cukup besar dengan total daya terpasang 24.700 VA (24,7 kVA) yang terbagi dalam 19 kios aktif dan 3 kios tidak aktif, dimana masing-masing kios memiliki daya 1.300 VA. Pada penelitian ini dilakukan analisis kapasitas, kebutuhan, dan biaya energi listrik di kantin belakang Kampus 2 UNPAM. Hasil dari penelitian ini memperlihatkan perbandingan rekening listrik dengan hasil analisis dari perhitungan beban, perhitungan energi dan perhitungan kapasitas daya terpakai. Hasilnya dapat dilihat hasil dari rekening listrik lebih besar dari pada hasil analisis, hal tersebut terjadi karena hasil analisis yang dihitung ideal sehingga tidak mengetahui pemakaian yang tidak terkontrol serta faktor dari jam nyala yang berlebihan sehingga menyebabkan pemakaian energi pada peralatan listrik menjadi besar dan adanya tambahan biaya beban dari pihak PLN persero.

show abstract

Section: Tinjauan Pustakaunclassified

Analisis Pemakaian Energi Listrik di Kantin Kampus 2 Universitas Pamulang

Kusnadi

Nurfadilah

Mardiansyah

et al. 2023

tech

View full text Add to dashboard Cite

show abstract

“…Among many neural network models, the long shortterm memory (LSTM) network, which has a strong ability to process time-series data, and the convolutional neural network (CNN), which can effectively extract data features, have a significant impact on power load. It has been widely used in prediction [19][20][21][22][23][24][25]. LSTM network is a variant of a recurrent neural network (RNN).…”

Section: Introductionmentioning

confidence: 99%

Short-Term Power Load Forecasting Based on SAPSO-CNN-LSTM Model considering Autocorrelated Errors

Zhang

2022

Mathematical Problems in Engineering

View full text Add to dashboard Cite

Accurate power load forecasting is essential for power grid operation and dispatching. To further improve the accuracy of power load forecasting, this study proposes a new power load forecasting method. Firstly, correlation coefficients of influential variables are calculated for feature selection. Secondly, the form of input data is changed to adjust for autocorrelated errors. Thirdly, data features are extracted by convolutional neural networks (CNN) to construct feature vectors. Finally, the feature vectors are input into long short-term memory (LSTM) network for training to obtain prediction results. Moreover, for solving the problem that network hyperparameters are difficult to set, the simulated annealing particle swarm optimization (SAPSO) algorithm is used to optimize the hyperparameters. Experiments show that the prediction accuracy of the proposed model is higher compared with LSTM, CNN-LSTM, and other models.

show abstract