使用深度神经网络提高发电效率
机器学习
2016-06-17 v1 机器学习
神经与进化计算
摘要
最近，关于发电、配电和输电效率的研究取得了显著进展，特别是在可再生能源方面。主要目标是减少能量损失，这需要改进数据采集和分析。在本文中，我们通过使用消费者的智能电表读数来估计网络负载来解决这些问题，然后可以利用这些信息进行更好的容量规划。我们将深度神经网络 (DNN) 方法与传统的负荷预测方法进行了比较。我们的结果表明，DNN 方法优于大多数传统方法。这是以额外的计算复杂度为代价的，但这可以通过使用云资源来解决。我们还说明了如何利用这些结果来更好地支持动态定价。
引用
@article{arxiv.1606.05018,
title = {Improving Power Generation Efficiency using Deep Neural Networks},
author = {Stefan Hosein and Patrick Hosein},
journal= {arXiv preprint arXiv:1606.05018},
year = {2016}
}
备注
presented at 2016 ICML Workshop on #Data4Good: Machine Learning in Social Good Applications, New York, NY