Cuantificando incertidumbre para predecir datos de series temporales de energía renovable utilizando aprendizaje automático
Autores: Aupke, Phil; Kassler, Andreas; Theocharis, Andreas; Nilsson, Magnus; Uelschen, Michael
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Cuantificando incertidumbre para predecir datos de series temporales de energía renovable utilizando aprendizaje automático
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería General
Palabras clave
Interés
Aprendizaje automático
Pronóstico
Generación de energía renovable
Incertidumbre
Agrupamiento
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 20
Citaciones: Sin citaciones
Recientemente, ha habido un creciente interés en utilizar métodos basados en aprendizaje automático para predecir la generación de energía renovable mediante predicciones de series temporales.
Descripción
Recientemente, ha habido un creciente interés en utilizar métodos basados en aprendizaje automático para predecir la generación de energía renovable mediante predicciones de series temporales.