Electricity Demand Prediction by a Transformer-Based Model
محل انتشار: مجله مهندسی برق مجلسی، دوره: 16، شماره: 4
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 121
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MJEE-16-4_009
تاریخ نمایه سازی: 25 بهمن 1401
چکیده مقاله:
The frighteningly high levels of power consumption at present are caused mainly by the expanding global population and the accessibility of energy-hungry smart technologies. So far, various simulation tools, engineering- and AI-based methodologies have been utilized to anticipate power consumption effectively. While engineering approaches forecast using dynamic equations, AI-based methods forecast using historical data. The modeling of nonlinear electrical demand patterns is still lacking for durable solutions, however, the available approaches are only effective for resolving transient dependencies. Furthermore, because they are only based on historical data, the current methodologies are static in nature. In this research, we present a system based on deep learning to anticipate power consumption while accounting for long-term historical relationships. In our approach, a transformer-based model is used for the prediction of electricity demand on data collected from the regional facilities in Iraq. According to the conducted experiments, our approach claims competitive performance, achieving an error rate of ۲.۰ in predicting ۱-day-ahead of electricity demand in the test samples.
کلیدواژه ها:
نویسندگان
Ahmed Mohammed Mahmood
Department of Optical Techniques, AlNoor University College, Iraq
Musaddak Maher Abdul Zahra
Computer Techniques Engineering Department, Al-Mustaqbal University College, Hillah ۵۱۰۰۱, Iraq
Waleed Hamed
Medical technical college, Al-Farahidi University, Baghdad, Iraq
Bashar S. Bashar
Al-Nisour University College, Baghdad, Iraq
Alaa Hussein Abdulaal
Medical Device Engineering, Ashur University College, Baghdad, Iraq
Taif Alawsi
Scientific Research Center, Al-Ayen University, Thi-Qar, Iraq
Ali Hussein Adhab
Department of Medical Laboratory Technics, Al-Zahrawi University College, Karbala, Iraq
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :