基于集成机器学习的电力需求峰值日与峰值小时预测
机器学习
2022-03-29 v1
摘要
电池储能系统可用于电力系统中的峰值需求削减，带来显著经济效益。两个实际挑战是：1) 准确确定峰值负荷日与小时；2) 在调度决策的概率风险度量中量化并降低与预测相关的不确定性。本研究中，我们开发了一种监督机器学习方法，以生成 1) 下一运行日包含当月峰值小时的概率，以及 2) 某一小时为当日峰值小时的概率。我们提供了关于数据准备与增强、机器学习模型选择以及决策阈值的指导。所提方法应用于 Duke Energy Progress 系统，以 3% 超越概率阈值成功在 72 个测试月中捕获了 69 个峰值日。在 90% 的峰值日中，实际峰值小时位于概率最高的 2 个小时之内。
引用
@article{arxiv.2203.13886,
title = {Predicting Peak Day and Peak Hour of Electricity Demand with Ensemble Machine Learning},
author = {Tao Fu and Huifen Zhou and Xu Ma and Z. Jason Hou and Di Wu},
journal= {arXiv preprint arXiv:2203.13886},
year = {2022}
}