Турмуш-тиричиликтин электр энергиясын керектөөнүн көп күндүк болжолу
Ачкыч сөздөр:
прогнозирование нагрузок, глубокое обучение, RNN нейронные сети, ручные признаки, горизонт прогнозирования, рекурсивное прогнозирование, многодневное прогнозированиеАннотация
Жүктөлүүнү болжолдоо оптималдуу энергия алмашууну жана энергетикалык системалардын ишенимдүү иштешин камсыз кылуунун негизги кадамы болуп саналат, өзгөчө бөлүштүрүлгөн кайра жаралуучу энергия булактарын (ДРЭС) активдүү интеграциялоо менен. Терең үйрөнүү методдору электр энергиясын керектөөнүн татаал сызыктуу эмес термелүүлөрүн жалпылоо жөндөмдүүлүгүнөн улам изилдөөчүлөр арасында кеңири таралган кабыл алынган. Атап айтканда, кайталануучу нейрон тармактары электр энергиясын керектөөнү моделдөө үчүн өзгөчө ылайыктуу, анткени алар убакыттан көз карандылыкты жакшы кармашат. Бул иш оригиналдуу жана кол менен түзүлгөн функцияларды колдонуу менен курулган RNN моделдерин андан ары өркүндөтүүгө багытталган. Болжолдоо горизонту практикалык талаптарга жооп берүү үчүн кеңейтилген. Сунушталган метод альтернативалуу рекурсивдүү болжолдоо ыкмасына караганда жакшыраак натыйжаларды көрсөткөн эки көп күндүк болжолдоо ыкмалары салыштырылды.
Шилтемелер
Tang, X., Dai, Y., Wang, T., & Chen, Y. Short-term power load forecasting based on multi-layer bidirectional recurrent neural network. IET Generation, Transmission & Distribution, 2019. IET Research Journal
Cai, C., Tao, Y., Zhu, T., & Deng, Z. Short-Term Load Forecasting Based on Deep Learning Bidirectional LSTM Neural Network. Applied Sciences, 2021. MDPI
Yu, K., et al. Adaptive Bi-Directional LSTM Short-Term Load Forecasting with Improved Attention Mechanisms. Energies, 2024. MDPI
Xiong, N., Li, M., Li, K., Xiao, Z., Liao, L., & Wang, L. (2023). Multi-feature Short-Term Power Load Prediction Method Based on Bidirectional LSTM Network. In: ICNC-FSKD 2022. Lecture Notes Springer.
Ke, K., Hongbin, S., Chengkang, Z., Sun, H., & Brown, C. Short-Term Electrical Load Forecasting Method Based on Stacked Auto-encoding and GRU Neural Network. Evolutionary Intelligence, 2019.
Bohara, B., Fernandez, R. I., Gollapudi, V., & Li, X. Short-Term Aggregated Residential Load Forecasting using BiLSTM and CNN-BiLSTM. arXiv preprint, 2023.
Dong, M., & Grumbach, L. S. Hybrid Distribution Feeder Long-Term Load Forecasting Method Based on Sequence Prediction. arXiv preprint, 2018.
In, Y., & Jung, J. Y. Simple averaging of direct and recursive forecasts via partial pooling using machine learning. International Journal of Forecasting, 2022.
24-Step Short-term Power Load Forecasting Model Utilizing KOA-BiTCN-BiGRU-Attentions[v1]. Preprints.org, 2024.
Hybrid feature-based neural network regression method for load profiles forecasting. Energy Informatics, 2025.
G. Chevillon, “Direct multi-step estimation and forecasting,” 2007. doi: 10.1111/j.14676419.2007.00518.x.
Abdurazakov, Nosirbek N., et al. “Feature Engineering for Short Term Residential Load Forecasting Using RNN-Based Neural Networks.” International Conference on Environmental Design, Material Science, and Engineering Technologies. Cham: Springer Nature Switzerland, 2024.
Keras documentation on Time Distributed Layer. https://keras.io/api/layers/recurrent_layers/time_distributed/
