Výsledky vyhledávání - "aggregate load forecasting"

Akademický článek

Enhancing Aggregate Load Forecasting Accuracy with Adversarial Graph Convolutional Imputation Network and Learnable Adjacency Matrix.

Autor: Zhao, Junhao¹ (AUTHOR) zjh02080616@163.com, Shen, Xiaodong¹ (AUTHOR) liuyoubo@scu.edu.cn, Liu, Youbo¹ (AUTHOR) liujy@scu.edu.cn, Liu, Junyong¹ (AUTHOR), Tang, Xisheng² (AUTHOR) tang@mail.iee.ac.cn

Publikováno v: Energies (19961073). Sep2024, Vol. 17 Issue 18, p4583. 28p.

Zobrazit plný text záznamu

Plný text ve formátu HTML

Akademický článek

Enhancing Aggregate Load Forecasting Accuracy with Adversarial Graph Convolutional Imputation Network and Learnable Adjacency Matrix

Autor: Junhao Zhao, Xiaodong Shen, Youbo Liu, Junyong Liu, Xisheng Tang

Publikováno v: Energies, Vol 17, Iss 18, p 4583 (2024)

Accurate load forecasting, especially in the short term, is crucial for the safe and stable operation of power systems and their market participants. However, as modern power systems become increasingly complex, the challenges of short-term load fore

Externí odkaz: https://doaj.org/article/35c59af922ab44de91b946ba3b40f1b4

Zobrazit plný text záznamu

Plný text ve formátu HTML

Kniha

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Spatio-Temporal Graph Neural Networks for Aggregate Load Forecasting

Autor: Simone Eandi, Andrea Cini, Slobodan Lukovic, Cesare Alippi

Publikováno v: 2022 International Joint Conference on Neural Networks (IJCNN).

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=doi_________::28cc399896b981becf6fd44018274cfd
https://doi.org/10.1109/ijcnn55064.2022.9892780

Zobrazit plný text záznamu

Conference

Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.

Cluster-based Aggregate Load Forecasting with Deep Neural Networks

Autor: Andrea Cini, Slobodan Lukovic, Cesare Alippi

Publikováno v: IJCNN

Highly accurate power demand forecasting represents one of key challenges of Smart Grid applications. In this setting, a large number of Smart Meters produces huge amounts of data that need to be processed to predict the load requested by the grid. D

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=doi_dedup___::4363e362aeb1edce841b549b01171a65
http://hdl.handle.net/11311/1167399