人工智能与统计技术在短期负荷预测中的综述
机器学习
2022-01-04 v1 人工智能
信号处理
摘要
电力公用事业依赖于短期需求预测，以主动调整生产和分配以应对重大变化。本系统综述分析了 2000 至 2019 年间学术期刊发表的 240 篇聚焦于将人工智能（AI）、统计及混合模型应用于短期负荷预测（STLF）的文献。本工作是迄今该主题最全面的综述。对文献进行了完整分析，以识别最流行和精确的技术以及现有差距。结果表明，尽管人工神经网络（ANN）仍是最常用的独立技术，研究者已极度倾向于采用不同技术的混合组合，以利用各方法的组合优势。综述表明，通过这些混合组合通常可能实现超过 99% 的预测精度。已确定的短期预测最成功时长是以一小时间隔预测一天时长。综述确定了用于模型训练的数据集获取方面的不足。已确定在亚洲、欧洲、北美和澳大利亚以外地区研究方面的显著空白。
引用
@article{arxiv.2201.00437,
title = {Artificial Intelligence and Statistical Techniques in Short-Term Load Forecasting: A Review},
author = {Ali Bou Nassif and Bassel Soudan and Mohammad Azzeh and Imtinan Attilli and Omar AlMulla},
journal= {arXiv preprint arXiv:2201.00437},
year = {2022}
}
备注
Accepted at International Review on Modelling and Simulations