改善COVID-19期间能源市场中的负荷预测
信号处理
2021-10-04 v1 机器学习
摘要
COVID-19大流行的突发是2020年最重大的事件，对世界产生了深远且持久的影响。关于能源市场的研究观察到COVID-19期间能源需求下降及能源消费行为变化。然而，作为系统运行重要部分的负荷预测在COVID-19期间的表现尚不清楚。本文旨在通过系统评估可用于改善COVID-19期间负荷预测性能的模型与特征来弥补这一研究空白。利用纽约独立系统运营商的真实数据，我们的分析采用三种深度学习模型，并引入新颖的COVID相关特征以及经典天气相关特征。我们还提出用居家前周末数据模拟居家情境，并证明其可有效提高COVID-19期间的负荷预测精度。
引用
@article{arxiv.2110.00181,
title = {Improving Load Forecast in Energy Markets During COVID-19},
author = {Ziyun Wang and Hao Wang},
journal= {arXiv preprint arXiv:2110.00181},
year = {2021}
}
备注
The 8th ACM International Conference on Systems for Energy-Efficient Buildings, Cities, and Transportation (BuildSys '21)