Predicting Short Term Energy Demand in Smart Grid: A Deep Learning Approach for Integrating Renewable Energy Sources in Line with SDGs 7, 9, and 13

要約

タイトル：スマートグリッドにおける短期エネルギー需要予測：SDG 7、9、13に沿った再生可能エネルギー源の統合のためのディープラーニングアプローチ

要約：
– 再生可能エネルギー源の統合は、持続可能なエネルギーの未来に向けて世界が進むにつれてますます重要になっています。しかし、再生可能エネルギー源の断続的な性質は、電力グリッドの管理と安定的な電力供給を確保することを困難にするため、SDG 9の達成には重要です。
– この論文では、スマートグリッドにおけるエネルギー需要予測のディープラーニングアプローチを提案しています。これにより、再生可能エネルギー源の統合を改善し、エネルギー需要の正確な予測を提供することができます。このアプローチは、再生可能エネルギー資源のより効率的な管理を可能にするため、SDG 13の気候行動とも一致しています。
– この論文では、時系列データに適したLSTM（Long Short-Term Memory）ネットワークを使用して、エネルギー需要データの複雑なパターンと依存関係を捉えます。
– 提案されたアプローチは、American Electric Power、Commonwealth Edison、Dayton Power and Light、Pennsylvania-New Jersey-Maryland Interconnectionの異なるエネルギー配布会社からの4つの歴史的な短期エネルギー需要データセットを使用して評価されています。また、提案されたモデルは、Facebook Prophet、Support Vector Regressor、Random Forest Regressorという3つの最新の予測アルゴリズムと比較されています。
– 実験結果は、提案されたREDfモデルが平均絶対誤差1.4％でエネルギー需要を正確に予測できることを示し、パワーグリッドの安定性と効率を向上させ、SDG 7、9、13の達成に貢献する潜在的な可能性を持っていることを示しています。提案されたモデルは、再生可能エネルギー源の統合を効果的に管理する可能性もあります。

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 in line with SDG 7. However, the intermittent nature of renewable energy sources can make it challenging to manage the power grid and ensure a stable supply of electricity, which is crucial for achieving SDG 9. 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. Our approach aligns with SDG 13 on climate action as it enables more efficient management of renewable energy resources. 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 short term 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 three other state of the art forecasting algorithms namely, Facebook Prophet, Support Vector Regressor, and Random Forest Regressor. The experimental results show that the proposed REDf model can accurately predict energy demand with a mean absolute error of 1.4%, indicating its potential to enhance the stability and efficiency of the power grid and contribute to achieving SDGs 7, 9, and 13. The proposed model also have the potential to manage the integration of renewable energy sources in an effective manner.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI