REDf: A Renewable Energy Demand Forecasting Model for Smart Grids using Long Short Term Memory Network

要約

タイトル：Long Short Term Memory Networkを使用したスマートグリッド向けの再生可能エネルギー需要予測モデル（REDf）。

要約：

– 再生可能エネルギーの導入が増える中、予測困難なエネルギーの供給と需要の安定性を保つことが課題となっている。
– REDfモデルは、スマートグリッド内の需要予測に深層学習を用い、再生可能エネルギー源の統合を改善する方法を提案する。
– Long short-term memory（LSTM）ネットワークを使用し、複雑なパターンと依存関係を捉えることができる。
– アメリカエレクトリックパワー、コモンウェルスエジソン、デイトンパワー、ペンシルバニア・ニュージャージー・メリーランド接続など、4つの異なるエネルギー配信会社から収集した歴史的なエネルギー需要データの4つのデータセットを使用して、提案手法を評価する。
– 提案モデルは、Facebook ProphetとSupport Vector Regressorという2つの最新の予測アルゴリズムと比較されており、実験結果によると、平均絶対誤差が1.4％でエネルギー需要を正確に予測できることが示された。
– このアプローチにより、再生可能エネルギー源の統合の管理を改善することで、電力グリッドの効率性と安定性が向上する可能性がある。

要約(オリジナル)

The integration of renewable energy sources into the power grid is becoming increasingly important as the world moves towards a more sustainable energy future. However, the intermittent nature of renewable energy sources can make it challenging to manage the power grid and ensure a stable supply of electricity. In this paper, we propose a deep learning-based approach for predicting energy demand in a smart power grid, which can improve the integration of renewable energy sources by providing accurate predictions of energy demand. We use long short-term memory networks, which are well-suited for time series data, to capture complex patterns and dependencies in energy demand data. The proposed approach is evaluated using four datasets of historical energy demand data from different energy distribution companies including American Electric Power, Commonwealth Edison, Dayton Power and Light, and Pennsylvania-New Jersey-Maryland Interconnection. The proposed model is also compared with two other state of the art forecasting algorithms namely, Facebook Prophet and Support Vector Regressor. The experimental results show that the proposed REDf model can accurately predict energy demand with a mean absolute error of 1.4%. This approach has the potential to improve the efficiency and stability of the power grid by allowing for better management of the integration of renewable energy sources.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI