基于时间序列数据的建筑底层电力需求可预测性
机器学习
2023-12-01 v1
摘要
在建筑能源管理系统中，预测建筑能耗已成为节能与优化的一种有前景的解决方案。此外，它还能在智能电网运行的高效管理中发挥重要作用。科学文献中可找到不同的数据驱动方法，用于在不同尺度上和不同时间范围内预测建筑的未来能源需求，包括大量的机器学习和深度学习方法。然而，识别可用于预测此类建筑能源需求的最准确预测模型仍然具有挑战性。本文提出并实现了一种数据驱动方法的设计，用于预测建筑未来能源需求的可预测程度，而无需首先使用数据驱动的预测模型。该研究利用从英国伦敦市一组住宅建筑收集的半小时间隔的历史电力消耗时间序列数据集。
引用
@article{arxiv.2311.18078,
title = {The Forecastability of Underlying Building Electricity Demand from Time Series Data},
author = {Mohamad Khalil and A. Stephen McGough and Hussain Kazmi and Sara Walker},
journal= {arXiv preprint arXiv:2311.18078},
year = {2023}
}