能耗预测智能电表数据集:既往竞赛分析及展望
机器学习
2023-11-08 v1 人工智能
摘要
本文给出真实世界的智能电表数据集,并对源于能耗预测技术挑战赛的解决方案进行分析,主要关注两项关键竞赛:2020年IEEE计算智能学会(IEEE-CIS)基于智能电表数据的能耗预测技术挑战赛(简称EP)及其2021年IEEE国际模糊系统会议(FUZZ-IEEE)的后续挑战赛(简称XEP)。这些竞赛聚焦于准确的能耗预测以及可解释性在理解潜在因素中的重要性。该挑战旨在预测家庭的月度与年度估计消耗量,以有限历史智能电表数据解决准确计费问题。数据集包含3,248个智能电表,数据可用期从最少一个月到一年不等。本文深入探讨与所提供的真实世界智能电表数据相关的挑战、解决方案与分析问题,在家庭层面开发准确预测,并引入评估可解释性的评价标准。此外,本文讨论了竞赛之外的方面:家庭层面能耗分解与模式检测应用的机会、传达能耗驱动因素对优化计费的意义,以及强调负责任AI与数据隐私考量的重要性。这些方面为更广泛的启示与能耗预测潜在进展提供了见解。总体而言,这些竞赛为居民能耗研究提供了数据集,并作为探索准确预测、增强可解释性以及推动朝向能耗分解、需求响应项目或行为干预等多方面讨论进展的催化剂。
引用
@article{arxiv.2311.04007,
title = {The Energy Prediction Smart-Meter Dataset: Analysis of Previous Competitions and Beyond},
author = {Direnc Pekaslan and Jose Maria Alonso-Moral and Kasun Bandara and Christoph Bergmeir and Juan Bernabe-Moreno and Robert Eigenmann and Nils Einecke and Selvi Ergen and Rakshitha Godahewa and Hansika Hewamalage and Jesus Lago and Steffen Limmer and Sven Rebhan and Boris Rabinovich and Dilini Rajapasksha and Heda Song and Christian Wagner and Wenlong Wu and Luis Magdalena and Isaac Triguero},
journal= {arXiv preprint arXiv:2311.04007},
year = {2023}
}