Abstract:This work presents a novel

Abstract:
This work presents a novel perspective of load forecasting based on neural networks and load profiling. In addition to the variables that are typically used to predict future load demand, such as past load values, meteorological variables, seasonal effects or macroeconomic indexes, it is expected that the use of load profiles and detailed information of individual consumers could favor the forecasting process. The methodology can be extended to different temporal horizons being predicted and the eventual threat of over parametri zation is attenuated by the use of neural networks since the complexity of the model does not necessarily depends on the number of its weights and biases, as some of these parameters might be found irrelevant in the process. Another way to reduce the risk of over parametri zation and overfitting is through the use of a considerable number of data points (whenever historical data is available) to train the network.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อ:งานนี้นำเสนอมุมมองใหม่ของโหลดการคาดการณ์ตามเครือข่ายประสาทและโหลดโปรไฟล์ นอกเหนือจากตัวแปรที่มักจะใช้ในการคาดการณ์ความต้องการของโหลดในอนาคต เช่นค่าการโหลด ตัวแปรอุตุนิยมวิทยา ผลของฤดูกาล หรือ ดัชนีเศรษฐกิจมหภาค ที่ผ่านมาคาดว่า การใช้โหลดโปรไฟล์และรายละเอียดของผู้บริโภคแต่ละคนอาจชอบกระบวนการคาดการณ์ วิธีการสามารถฟ้าขมับขยายจะแตกต่างกันที่การคาดการณ์ และภัยคุกคามสุดของผ่าน parametri ความเป็น attenuated โดยการใช้เครือข่ายประสาทเนื่องจากความซับซ้อนของรูปแบบไม่จำเป็นต้องขึ้นอยู่กับจำนวนน้ำหนักความอคติ เป็นบางส่วนของพารามิเตอร์เหล่านี้อาจพบได้เกี่ยวข้องในกระบวนการ อีกวิธีหนึ่งเพื่อลดความเสี่ยงของความ parametri และ overfitting ได้ผ่านการใช้จำนวนมากของจุดข้อมูล (ทุกครั้งที่มีข้อมูลทางประวัติศาสตร์) ในการ ฝึกอบรมเครือข่าย

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ:
งานนี้นำเสนอมุมมองของนวนิยายเรื่องของการพยากรณ์โหลดขึ้นอยู่กับเครือข่ายประสาทและโหลดโปรไฟล์ นอกเหนือไปจากตัวแปรที่มักจะใช้ในการคาดการณ์ความต้องการโหลดในอนาคตเช่นค่าที่ผ่านมาโหลดตัวแปรอุตุนิยมวิทยาผลของฤดูกาลหรือดัชนีเศรษฐกิจมหภาคเป็นที่คาดหวังว่าการใช้โปรไฟล์โหลดและข้อมูลรายละเอียดของผู้บริโภคแต่ละรายสามารถให้ประโยชน์แก่กระบวนการการคาดการณ์ . วิธีการที่สามารถขยายขอบเขตอันไกลโพ้นชั่วคราวที่แตกต่างกันได้รับการคาดการณ์และการคุกคามในที่สุดกว่า parametri zation ถูกยับยั้งโดยการใช้เครือข่ายประสาทตั้งแต่ซับซ้อนของรูปแบบที่ไม่จำเป็นต้องขึ้นอยู่กับจำนวนของน้ำหนักและอคติของตนเป็นบางส่วนของเหล่านี้ พารามิเตอร์อาจจะพบที่ไม่เกี่ยวข้องในกระบวนการ วิธีการลดความเสี่ยงในการ zation parametri และอิงก็คือผ่านการใช้งานเป็นจำนวนมากของจุดข้อมูล (ข้อมูลทางประวัติศาสตร์เมื่อใดก็ตามที่สามารถใช้ได้) ในการฝึกอบรมเครือข่าย

ผลลัพธ์ (ไทย) 3:

บทคัดย่อ :งานนี้นำเสนอมุมมองนิยายของการพยากรณ์ความต้องการบนพื้นฐานของโครงข่ายประสาทเทียมและโหลดโปรไฟล์ นอกจากตัวแปรที่มักจะใช้พยากรณ์ความต้องการไฟฟ้าในอนาคต เช่น ค่า โหลดผ่านตัวแปรทางอุตุนิยมวิทยา ผลตามฤดูกาล หรือดัชนีทางเศรษฐกิจที่คาดว่าใช้โหลดโพรไฟล์ และรายละเอียดของแต่ละผู้บริโภคสามารถสนับสนุนกระบวนการพยากรณ์ . วิธีการที่สามารถขยายขอบเขตเวลาที่แตกต่างกันถูกคาดการณ์และในที่สุดการคุกคามของ parametri รับรองเอกสารจะยับยั้งโดยการใช้โครงข่ายประสาทเทียม เนื่องจากความซับซ้อนของรูปแบบ ไม่จําเป็นต้องขึ้นอยู่กับจำนวนและน้ำหนักของอคติ เป็นบางส่วนของพารามิเตอร์เหล่านี้อาจจะพบไม่เกี่ยวข้องในกระบวนการ อีกวิธีหนึ่งที่จะช่วยลดความเสี่ยงของ parametri รับรองเอกสาร และ overfitting จะใช้จำนวนมากของจุดข้อมูล ( เมื่อใดก็ตามที่ข้อมูลทางประวัติศาสตร์ที่มีอยู่ ) รถไฟเครือข่าย