PulseAugur
中
实时 09:17:38
English(EN) An Empirical Benchmark of Deep Time-Series Models for Smart Meter Energy Forecasting

深度学习模型在智能电表能源预测方面进行基准测试

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员对九种用于智能电表能源预测的深度学习模型进行了实证基准测试，并在两个公共数据集上评估了它们的性能。研究发现，虽然延长历史输入数据可提高准确性，但预测范围越长，准确性会随之下降。深度学习模型普遍优于传统方法，其中轻量级架构在较低的计算成本下提供了可比的性能。架构差异的有效性在更长的预测范围和更多样化的数据集上更为明显。 AI

影响 为能源预测提供了关于最佳模型架构和数据使用的见解，有可能提高电力系统的效率和成本管理。

排序理由 该集群描述了一篇学术论文，该论文提出了一个针对特定任务（能源预测）的深度学习模型的实证基准测试。

在 Hugging Face Daily Papers 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

深度学习模型在智能电表能源预测方面进行基准测试

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Behnaz Kavoosighafi, Maria Eidenskog, Wiktoria Glad, Katerina Vrotsou ·

    面向智能电表能耗预测的深度时间序列模型实证基准测试

    arXiv:2608.18675v1 Announce Type: new Abstract: Accurate forecasting of energy consumption is important for the efficient operation of power systems, with direct implications for operational costs, energy management, and system maintenance. Due to the availability of extensive hi…

  2. Hugging Face Daily Papers TIER_1 English(EN) ·

    面向智能电表能耗预测的深度时间序列模型实证基准测试

    Accurate forecasting of energy consumption is important for the efficient operation of power systems, with direct implications for operational costs, energy management, and system maintenance. Due to the availability of extensive high-resolution consumption data from smart meters…

相关实体

相关话题