面向家庭用电预测的时间序列预测方法比较分析
机器学习
2022-07-05 v1
摘要
由于人口增长与全球化，能源需求大幅上升。因此，准确的能耗预测已成为政府规划、减少电力浪费以及能源管理系统稳定运行的重要前提。本文对用于家庭能耗时间序列预测的主要机器学习模型进行了比较分析。具体而言，我们使用数据挖掘工具 Weka，首先在来自 Kaggle 数据科学社区的小时级与日级家庭能耗数据集上应用模型。所应用的模型为：多层感知机、K 近邻回归、支持向量回归、线性回归与高斯过程。其次，我们还在 python 中实现了时间序列预测模型 ARIMA 与 VAR，用以预测所选韩国家庭含天气数据与不含天气数据情况下的家庭能耗。结果表明，能耗预测的最佳方法依次为支持向量回归、多层感知机与高斯过程回归。
引用
@article{arxiv.2207.01019,
title = {Comparative Analysis of Time Series Forecasting Approaches for Household Electricity Consumption Prediction},
author = {Muhammad Bilal and Hyeok Kim and Muhammad Fayaz and Pravin Pawar},
journal= {arXiv preprint arXiv:2207.01019},
year = {2022}
}