This paper proposes a grey-theory-b

This paper proposes a grey-theory-based model, CSGM, to forecast electricity consumption. First, to reflect the similarity in electricity data for different days or weeks at the same time-point, the original series are selected from short- and long-term perspectives. Excellent GM(1,1) performance requires a slowly increasing data series; thus, data preprocessing includes abnormality and feasibility tests to improve the forecasting performance. To further enhance
electricity consumption forecasting precision, two optimized algorithms, IA and CS, are used to select suitable parameters for GM(1,1). Finally, when the data varies smoothly, the GM(1,1) results will be more accurate. The forecasted day is divided into four smooth parts based on the grey correlation coefficient for each part, and the best forecasting scheme is determined. In addition, to evaluate the applicability of the one-day-ahead forecast in a New South Wales power grid of Australia, the CSGMwas compared with theGM, IAGM, and ARIMA models. According to the electricity consumption

ผลลัพธ์ (ไทย) 2:

บทความนี้นำเสนอทฤษฎีสีเทาตามรูปแบบ CSGM เพื่อคาดการณ์ปริมาณการใช้ไฟฟ้า ครั้งแรกที่สะท้อนให้เห็นถึงความคล้ายคลึงกันไปในข้อมูลการผลิตไฟฟ้าที่แตกต่างกันหลายวันหรือหลายสัปดาห์ในเวลาเดียวกันจุดที่ชุดเดิมได้รับการคัดเลือกจากมุมมองในระยะสั้นและระยะยาว จีเอ็มดีเลิศ (1,1) ผลการดำเนินงานต้องมีชุดข้อมูลที่เพิ่มขึ้นอย่างช้า ๆ ; จึง preprocessing ข้อมูลรวมถึงความผิดปกติและการทดสอบความเป็นไปได้ในการปรับปรุงประสิทธิภาพการพยากรณ์ เพื่อส่งเสริมการใช้พลังงานไฟฟ้าที่มีความแม่นยำการพยากรณ์ขั้นตอนวิธีการที่ดีที่สุดสอง, ไอโอวาและลูกค้าจะใช้ในการเลือกพารามิเตอร์ที่เหมาะสมสำหรับจีเอ็ม (1,1)
สุดท้ายเมื่อข้อมูลที่แตกต่างกันไปอย่างราบรื่นจีเอ็ม (1,1) ผลที่ได้จะมีความถูกต้องมากขึ้น วันที่คาดว่าจะถูกแบ่งออกเป็นสี่ส่วนเรียบขึ้นอยู่กับค่าสัมประสิทธิ์สหสัมพันธ์สีเทาสำหรับแต่ละส่วนและรูปแบบการพยากรณ์ที่ดีที่สุดจะถูกกำหนด นอกจากนี้ในการประเมินผลการบังคับใช้ของการคาดการณ์หนึ่งวันข้างหน้าในตารางอำนาจรัฐนิวเซาท์เวลส์ของออสเตรเลีย, CSGMwas เมื่อเทียบกับ theGM, IAGM และรูปแบบ ARIMA ตามที่การใช้ไฟฟ้า

ผลลัพธ์ (ไทย) 3:

บทความนี้เสนอ csgm รูปแบบตามทฤษฎีสีเทา พยากรณ์การใช้ไฟฟ้า . ก่อน ที่จะสะท้อนให้เห็นถึงความเหมือนในวันหรือสัปดาห์ที่แตกต่างกันข้อมูลไฟฟ้า ณ จุดเวลาเดียวกัน ชุดเดิม ได้รับเลือกจากมุมมองระยะสั้น และระยะยาว จีเอ็มดี ( 1 , 1 ) การปฏิบัติต้องมีชุดข้อมูลที่เพิ่มขึ้นอย่างช้าๆ จึงการเตรียมข้อมูลรวมถึงความผิดปกติและการทดสอบความเป็นไปได้ในการปรับปรุงประสิทธิภาพการพยากรณ์ . เพื่อเพิ่มประสิทธิภาพการใช้ไฟฟ้า การพยากรณ์ความแม่นยำ
สองขั้นตอนวิธีที่ดีที่สุด , IA และ CS , จะใช้ในการเลือกพารามิเตอร์ที่เหมาะสมสำหรับกรัม ( 1 , 1 ) ในที่สุด เมื่อข้อมูลที่แตกต่างกันได้อย่างราบรื่น , ( gmt ) ( 1 , 1 ) ผลลัพธ์ที่ได้จะถูกต้องมากขึ้นพยากรณ์วัน แบ่งออกเป็น 4 ส่วนตามค่าสัมประสิทธิ์สหสัมพันธ์เรียบสีเทาสำหรับแต่ละส่วนและรูปแบบการพยากรณ์ที่ดีที่สุดจะถูกกำหนด นอกจากนี้ เพื่อประเมินแนวทางในวันหนึ่งข้างหน้าคาดใน New South Wales ตารางพลังงานของออสเตรเลีย csgmwas เมื่อเทียบกับ thegm iagm , และตัวแบบ ARIMA . ตามการใช้ไฟฟ้า