基于 PSO 增强 SVR 模型的户级热耗预测
机器学习
2021-12-06 v1
摘要
在应对气候变化中，基于需求的高效区域能源系统（DES）供热或供冷运行不可或缺。因此，准确预测用户侧热耗是实现最优能源供应的首要步骤。然而，由于热耗数据的非线性和非平稳性，DES 热能需求的预测仍然具有挑战性。本工作中，我们提出一种基于核支持向量回归（kSVR）并利用真实智能电表数据的区域供热系统（DHS）热能消耗预测框架。采用粒子群优化（PSO）为 kSVR 模型寻找最优超参数，这使得所提方法相较于最先进的 ARIMA 模型具有优越性。对于单个电表特定预测和社会总消耗预测，平均 MAPE 分别降低至 2.07% 和 2.64%。
引用
@article{arxiv.2112.01908,
title = {Prediction of Household-level Heat-Consumption using PSO enhanced SVR Model},
author = {Satyaki Chatterjee and Siming Bayer and Andreas Maier},
journal= {arXiv preprint arXiv:2112.01908},
year = {2021}
}
备注
Accepted for NeurIPS Climate Change Workshop 2021