微电网中基于深度学习的预测模型评估
信号处理
2019-10-02 v1 机器学习
摘要
当今各经济体利用可再生能源并将其整合入现有电网至关重要。传统上，能源是基于峰谷需求预测来生成的。可再生能源既无法按需生产，也难以高效存储。因此，本文旨在评估基于深度学习的能耗预测，以使能耗与可再生能源生产相对齐。使用一个来自填埋渗滤液管理相关用例的数据集，采用多种预测模型预测能源需求。结果基于回收工业的同一数据集进行验证。浅层模型展现出最低的 Mean Absolute Percentage Error（MAPE，平均绝对百分比误差），在长周期（30天）、中周期（7天）和短周期（1天）预测中均显著优于持续性基线。研究发现峰值能源需求潜在降幅达23%，可带来每年3,091 kg的CO2排放减少。我们的方法对能源管理硬件的财务投入要求低，使其适用于中小企业（SMEs）。
引用
@article{arxiv.1910.00500,
title = {Evaluation of Deep Learning-based prediction models in Microgrids},
author = {Alexey Györi and Mathis Niederau and Violett Zeller and Volker Stich},
journal= {arXiv preprint arXiv:1910.00500},
year = {2019}
}