即时 Transformer
机器学习
2024-11-25 v2
摘要
精准的住宅能源负荷预测对于减排和提高能源效率至关重要；事实上，准确的预测使拥护可持续能源实践的公用事业公司和政策制定者能够优化资源利用。此外，智能表计通过提供消费模式的细粒度洞察，具有重要价值。基于可用的智能表计数据，我们的研究旨在根据能源使用行为将消费者聚类为不同的群体，从而有效地捕捉消费模式的多样化谱系。接下来，我们设计了 JITtrans（Just In Time transformer），一种新的 transformer 深度学习模型，显著提高了对能源消耗预测准确性，相对于传统预测方法。广泛的实验结果使用专有的智能表计数据验证了我们的主张。我们的发现凸显了先进预测技术潜力的前景，这些技术有望革新能源管理并推动可持续电力系统的发展：高效和环保的能源解决方案的开发严重依赖于此类技术。
关键词
引用
@article{arxiv.2410.16881,
title = {Just In Time Transformers},
author = {Ahmed Ala Eddine Benali and Massimo Cafaro and Italo Epicoco and Marco Pulimeno and Enrico Junior Schioppa},
journal= {arXiv preprint arXiv:2410.16881},
year = {2024}
}