基于序列到序列学习的智能家居电器短期负荷预测
信号处理
2021-06-30 v1 机器学习
系统与控制
系统与控制
摘要
电器级负荷预测在居民能源管理中起着关键作用，对公用事业公司提供的辅助服务也具有重要意义。本文提出使用一种基于LSTM的序列到序列（seq2seq）学习模型，该模型能够捕捉电器的负荷曲线。我们使用从四栋住宅建筑收集的真实数据集，并将所提方案与另外三种技术进行比较，即VARMA、扩张一维卷积神经网络和一种LSTM模型。结果表明，所提基于LSTM的seq2seq模型在大多数情况下预测误差优于其他技术。
引用
@article{arxiv.2106.15348,
title = {Short-Term Load Forecasting for Smart HomeAppliances with Sequence to Sequence Learning},
author = {Mina Razghandi and Hao Zhou and Melike Erol-Kantarci and Damla Turgut},
journal= {arXiv preprint arXiv:2106.15348},
year = {2021}
}
备注
Accepted by 2021 IEEE International Conference on Communications (ICC), copyright belongs to IEEE