Un modelo de apilamiento híbrido para mejorar la predicción de carga a corto plazo
Autores: Guo, Fusen; Mo, Huadong; Wu, Jianzhang; Pan, Lei; Zhou, Hailing; Zhang, Zhibo; Li, Lin; Huang, Fengling
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Un modelo de apilamiento híbrido para mejorar la predicción de carga a corto plazo
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Recursos energéticos distribuidos
Pronóstico de carga a corto plazo
Modelos híbridos
IA
Regresión Lasso
Técnica de apilamiento
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
La alta penetración de recursos energéticos distribuidos plantea desafíos significativos para la programación y operación de sistemas eléctricos. Mejorar la precisión de la previsión de carga a corto plazo (STLF) puede optimizar la gestión de la red, lo que conduce a mayores beneficios económicos y sociales.
Descripción
La alta penetración de recursos energéticos distribuidos plantea desafíos significativos para la programación y operación de sistemas eléctricos. Mejorar la precisión de la previsión de carga a corto plazo (STLF) puede optimizar la gestión de la red, lo que conduce a mayores beneficios económicos y sociales.