利用机器学习与神经网络预测发电厂的燃料消耗
机器学习
2022-02-14 v1
摘要
国家电网发电的不稳定性已导致工业界(如电信业)依赖电厂发电机来维持业务运行。然而,这些备用发电机带来了额外挑战,例如系统内外燃料泄漏以及燃料液位计的扰动。 Consequently,电信运营商持续需要燃料以供给柴油发电机。随着社会经济因素导致的燃料价格上涨,过度燃料消耗与燃料盗窃成为问题,并影响了网络公司的平稳运行。本工作中,我们比较了四种机器学习算法(即 Gradient Boosting、Random Forest、Neural Network 与 Lasso)以预测发电厂的燃料消耗量。在评估这些模型的预测精度后,Gradient Boosting 模型以最高的 Nash 效率值 99.1% 优于其他三种回归模型。
引用
@article{arxiv.2202.05591,
title = {Predicting Fuel Consumption in Power Generation Plants using Machine Learning and Neural Networks},
author = {Gabin Maxime Nguegnang and Marcellin Atemkeng and Theophilus Ansah-Narh and Rockefeller Rockefeller and Gabin Maxime Nguegnang and Marco Andrea Garuti},
journal= {arXiv preprint arXiv:2202.05591},
year = {2022}
}