负荷预测
该负载预测器旨在执行24小时的短期和长期负载预测。
数据源
从2012年11月到2013年12月,提供了加利福尼亚州一个样本家庭的15分钟间隔负荷数据和每小时温度数据。
选型
为了适应负载需求的非线性相互作用,选择了多层感知器回归器对该负载数据进行建模。 实现了八个预测变量:
内插温度*
24小时滞后负载*
7天滞后负载*
前一天的平均负载*
一天中的时间
星期几
一年中的一天
周末/节假日
*仅用于短期预测
预测24小时
您可以训练模型并在24小时内执行预测。 forecast_date表示24小时间隔的开始时间。
import forecaster
forecaster . train_model_and_forecast ( load_data = 'load_temperature_data.csv' , forecast_date = '2018-6-30
2021-09-27 10:06:57
478KB
Python
1