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、および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手法

要約：
– 再生可能エネルギー源を電力グリッドに統合することは、持続可能なエネルギー未来に向けてSDG7に合致した取り組みとしてますます重要になっています。
– ただし、再生可能エネルギー源の断続的な性質はグリッドの管理と安定した電力供給を確保することを困難にするため、SDG 9の達成にとって重要です。
– この論文では、スマートグリッドのエネルギー需要を予測するためのディープラーニングベースの手法を提案し、再生可能エネルギー源の統合を向上させることができます。
– この手法は、時系列データに適したLSTMネットワークを使用して複雑なパターンと依存関係を捉えます。
– 提案手法は、アメリカンエレクトリックパワー、コモンウェルスエディソン、デイトンパワーアンドライト、およびペンシルベニア・ニュージャージー・メリーランド・インターコネクションからの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ました。
– 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ており、スマートグリッドの安定性と効率性を向上させ、SDG7、9、13の達成に貢献できる可能性があることを示しています。

要約(オリジナル)

Integrating 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, enabling more efficient management of renewable energy resources. We use long short-term memory networks, well-suited for time series data, to capture complex patterns and dependencies in energy demand data. The proposed approach is evaluated using four historical short-term energy demand data datasets 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: Facebook Prophet, Support Vector Regression, and Random Forest Regression. 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 has 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