面向家庭短期能耗预测的用电行为关联挖掘
信号处理
2024-02-16 v1 人工智能
机器学习
系统与控制
系统与控制
摘要
准确的家庭短期能耗预测（STECF）对于家庭能源管理至关重要，但由于个体居民用户的高度随机行为，这在技术上具有挑战性。为了提高日前尺度上STECF的准确性，本文提出了一种新颖的STECF方法，该方法利用用电行为中的关联挖掘。首先，提出了一种概率关联量化和发现方法，用于建模成对行为关联并生成关联聚类。然后，提供了一种基于卷积神经网络-门控循环单元（CNN-GRU）的预测方法，以探索时间相关性并提高准确性。测试结果表明，该方法显著提升了STECF性能。
引用
@article{arxiv.2402.09433,
title = {Electrical Behavior Association Mining for Household ShortTerm Energy Consumption Forecasting},
author = {Heyang Yu and Yuxi Sun and Yintao Liu and Guangchao Geng and Quanyuan Jiang},
journal= {arXiv preprint arXiv:2402.09433},
year = {2024}
}
备注
3 figures and 4 tables; This manuscript is submitted for possible publication