首頁瀏覽人次: 723,853 次 (Since 2010/07/14) 會員登入
聯盟單位  |  虛擬講堂  |  網路直播  |  其他演講  |  排行榜  |  留言板  |  知識擂台  |  回首頁
首頁 > 虛擬講堂 > 基於LSTM深度神經網絡模型之用電量預測 快速搜尋演講 進階搜尋
  基於LSTM深度神經網絡模型之用電量預測 
★chrome瀏覽器無法播放Silverlight解決辦法
0:00 / 0:00

講者:逢甲大學應用數學-張育珉
日期:2017/10/25
性質:演講
類別:教育學習、物質科學
語言:中文
長度:00:08:58
觀看:248
推薦:0
摘要:
近幾年的電力需求節節上升,且新能源的開
發進度緩不濟急,再加上新電廠難產,每每造成
備轉容量率吃緊,我國對於電力的迫切需求已是
刻不容緩。而在這風口浪尖,社會上針對電力的
各種負面言論喧囂塵上。前有企業揚言出走,後
有環保團體壓力,政府...
近幾年的電力需求節節上升,且新能源的開
發進度緩不濟急,再加上新電廠難產,每每造成
備轉容量率吃緊,我國對於電力的迫切需求已是
刻不容緩。而在這風口浪尖,社會上針對電力的
各種負面言論喧囂塵上。前有企業揚言出走,後
有環保團體壓力,政府處在電力需求高漲,卻沒
法增加供電量的窘境。無法蓋電廠「開源」,那布
建智慧電表的「節流」就成了關鍵。幸而這早已
是國際上的「顯學」,也有許多專家學者投入智慧
電表及其周邊相關的研究,我國政府也在2016年
宣告加速布建智慧電表,並植基於此構建整合發
電、輸電、配電及用戶的智慧電網為目標。
值此國內外趨勢下,本研究利用2016年智慧
電表用戶的歷史用電數據共七千餘戶進行用電量
分析。參考台電對於三段式時間電價之定義將每
日整併為7個時段,以此為基礎利用k-means 方法
將用戶分為5群,接著使用深度學習LSTM 模型進
行未來每星期用電度數的預測。最終,5群用戶的
預測結果在MAPE 的評測上皆為「高精準預測」,
而判定係數R2也顯示良好的資料變異解釋力;另
外,本研究調適之LSTM模型在與傳統迴歸模型的
比較也有絕對優勢。本論文的研究成果能協助相
關業管單位預測未來的用電尖峰時刻,以提供如
供電預警、節電宣導與推動、供電機組歲修等決
策的參考依據。

現在位置:演講摘要詳細內容
推薦  (0)
推薦至Plurk
提供:TANET台灣網際網路研討會-TANET2017

轉寄  

推薦者:
電子郵件地址: (如欲轉寄多人,請以 ; 分隔email)
留言給收件者:

回報問題  

問題說明:




燃料電池
講者:林宣安
觀看:737
偏鄉資深數位小學伴之學習投入...
講者:林玟秀
觀看:94
電電不怕
講者:邱韻如
觀看:1,667
【週日閱讀科學大師】扎根科學...
講者:邱美虹
觀看:77
【週日閱讀科學大師】通往宇宙...
講者:吳俊輝
觀看:80
牛頓的古代年代學研究
講者:朗元
觀看:92

現在位置:學習公約