سایپرز، باشگاه دانش - ارائه دهنده مقالات ژورنالهای خارجی

اطلاعات و مشخصات مقاله

explorer iconلينك‌ها

[ بازگشت | جستجو | فهرست کلمات کلیدی | فهرست موضوعات | فهرست نویسندگان | فهرست ناشران | فهرست ژورنالها ]

info iconاطلاعات مقاله

[ 313 بار مشاهده چكيده]

عنوان مقاله:آیا می توانم بازی چاقی در دوران کودکی جلوگیری از ؟ کالری مخارج این برنامه
ناشر: [ Elsevier BV ]
ژورنال
دوره (شماره):31 (2)
سال انتشار:April–June 2015
شماره صفحات: 286295286-295
نشانگر دیجیتالی شیء:[ 10.1016/j.ijforecast.2014.07.001 ]
شما اینجا هستید:
  1. Scipers, the Knowledge ClubScipers »
  2. Elsevier BV »
  3. International Journal Of Forecasting »
  4. Weather station selection for electric load forecasting

report iconنمايش خلاصه مقاله

Weather Station Selection For Electric Load Forecasting


مقاله: آیا می توانم بازی چاقی در دوران کودکی جلوگیری از ؟ کالری مخارج این برنامه

نويسند‌گان:


خلاصه مقاله:


Weather is a major driving factor of electricity demand. The selection of weather station(s) plays a vital role in electric load forecasting. Nevertheless, minimal research efforts have been devoted to weather station selection. In the smart grid era, hierarchical load forecasting, which provides load forecasts throughout the utility system hierarchy, is emerging as an important topic. Since there are many nodes to forecast in the hierarchy, it is no longer feasible for forecasting analysts to figure out the best weather stations for each node manually. A commonly used solution framework involves assigning the same number of weather stations to all nodes at the same level of the hierarchy. This framework was also adopted by all four of the winning teams of the Global Energy Forecasting Competition 2012 (GEFCom2012) in the hierarchical load forecasting track. In this paper, we propose a weather station selection framework to determine how many and which weather stations to use for a territory of interest. We also present a practical, transparent and reproducible implementation of the proposed framework. We demonstrate the application of the proposed approach to the forecasting of electricity at different levels in the hierarchies of two US utilities. One of them is a large US generation and transmission cooperative that has deployed the proposed framework. The other one is from GEFCom2012. In both case studies, we compare our unconstrained approach with four other alternatives based on the common practice mentioned above. We show that the forecasting accuracy can be improved by removing the constraint on the fixed number of weather stations.


آب و هوا یک عامل محرک اصلی تقاضای برق است. انتخاب ایستگاه آب و هوا (بازدید کنندگان) نقش حیاتی در پیش بینی بار الکتریکی ایفا می کند. با این وجود، تلاش های تحقیقاتی حداقل باشد تا انتخاب ایستگاه آب و هوا اختصاص داده شده است. در عصر شبکه هوشمند، پیش بینی بار سلسله مراتبی، فراهم می کند که پیش بینی بار در طول سلسله مراتب سیستم آب و برق، به عنوان یک موضوع مهم در حال ظهور. از آنجا که بسیاری از گره های پیش بینی در سلسله مراتب وجود دارد، آن است که دیگر عملی برای پیش بینی تحلیلگران به شکل بهترین ایستگاه های آب و هوا برای هر گره به صورت دستی. چارچوب راه حل های معمول مورد استفاده شامل اختصاص به همان تعداد از ایستگاه های آب و هوا به تمام گره در همان سطح از سلسله مراتب. این چارچوب نیز هر چهار تیم برنده مسابقه پیش بینی جهانی انرژی 2012 (GEFCom2012) در مسیر پیش بینی بار سلسله مراتبی به تصویب رسید. در این مقاله، ما یک آب و هوای ایستگاه چارچوب انتخاب برای تعیین تعداد و آب و هوا ایستگاه های استفاده برای خاک مورد علاقه ارائه شده است. ما همچنین اجرای عملی، شفاف و قابل تجدید چارچوب پیشنهادی ارائه دهد. ما نشان می دهد استفاده از روش پیشنهادی به پیش بینی برق در سطوح مختلف در سلسله مراتب دو آب و برق ایالات متحده است. یکی از آنها یک نسل و انتقال US تعاونی بزرگ است که چارچوب پیشنهادی مستقر است. یکی دیگر از GEFCom2012 است. در هر دو مطالعه مورد، ما روش نامحدود خود را با چهار گزینه دیگر بر اساس روش معمول در بالا ذکر شد مقایسه کنید. ما نشان می دهد که دقت پیش بینی را می توان با حذف محدودیت در تعداد ثابتی از ایستگاه های آب و هوا بهبود یافته است.


كلمات كليدي:

Cross validation , Global energy forecasting competition , Greedy algorithm, Long term load forecasting , Out-of-sample test , Short term load forecasting , Weather station combination , Cross validation, Global energy forecasting competition, Greedy algorithm, Hierarchical load forecasting, Long term load forecasting, Out-of-sample test, Short term load forecasting, Weather station combination
اعتبار صلیب , بازارهای رقابت پیش بینی انرژی , الگوریتم گریدی , پیش بینی بار بلند مدت , خارج از نمونه آزمون , پیش بینی بار کوتاه مدت , ترکیبی ایستگاه آب و هوا , اعتبار صلیب, جهان رقابت پیش بینی انرژی, الگوریتم حریص , پیش بینی سلسله مراتبی بار, پیش بینی بار طولانی مدت, خارج از نمونه آزمون, پیش بینی بار کوتاه مدت, ترکیبی ایستگاه آب و هوا


موضوعات:

Business and International Management



[ ]

 

دسترسی بین المللی

اگر شما در داخل کشور (ایران) هستید و این صفحه را مشاهده می کنید، نشان می دهد که IP شما به هر دلیلی در لیست IP های ایران ثبت نشده است. برای رفع این مشکل کافی است IP خود را که در پایین این پیام درج شده از طریق آدرس ایمیل support@scipers.com به ما اطلاع دهید. پس از دریافت درخواست، کارشناسان فنی موضوع را بررسی می نمایند و در صورتی که محل اتصال شما از کشور ایران بوده باشد، به لیست استفاده کنندگان مجاز افزوده می شوید.
IP: 34.234.76.59

اطلاعات استنادی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

 

به اشتراک گذاری

این صفحه را با استفاده از انواع شبکه های اجتماعی با دوستان خود به اشتراک بگذارید.

فهرست مراجع و منابع




 

برگشت به بالا
رونمایی از اولین و تنها ربات تلگرامی جستجوی مقالات ژورنالی
×