【Energy Forecasting】能源预测的发展和展望

说明

本文的内容来自Tao Hong博士的Energy Forecasting: Past, Present and Future一文的翻译和整理。

引入

  • 能源预测包含了电力行业中有关预测的广泛的内容,比如短期负荷预测、长期负荷预测、局部负荷预测、电价预测、需求响应预测还有可再生能源发电预测等。
  • 由于电力存储的限制和社会对于电力的需求造成了几个能源预测的有趣性质,比如复杂的季节性模式、24/7的电网数据收集、对准确度的需求等。
  • 高级的能源预测依赖于严格的测试数据集,对于商业需求的理解,从统计学、电子工程、气象科学等学科的学习和研究。

能源预测的起源

爱迪生发明电灯的那个年代,照明作为电力的主要消耗用途,能源预测比较直接简单。电力公司通过计算电灯泡的安装数目和计划安装的数量来粗略获得晚上的电力负荷情况。这种古老的方法依然用于现代的电力系统计划之中,针对路灯的负荷预测。
后来随着用电器不断的丰富,负荷预测问题变得越来越重要,尤其是一些特殊事件发生时,例如总统演讲,千家万户通过收音机在同一时间进行收听,导致负荷曲线出现尖峰情况。
20世纪40年代,人们发现由于空调设备的大量使用,电力需求受到气候变化影响很大。下图显示了负荷和气温变化的曲线图和散点图,在冬季,由于供暖的需求,负荷和气温呈负相关;在夏季,由于制冷的需求,负荷和气温呈正相关。

  • 1
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
针对transformer进行预测和视觉transformer之间的异同点,我引用了以下参考内容: 引用提到了使用LogSparse策略的Transformer模型进行预测的实验结果。 引用介绍了增强局部性的Transformer模型和打破内存限制的LogSparse Transformer模型。 引用介绍了一篇发表在NeurIPS上的文章,标题为《Enhancing the Locality and Breaking the Memory Bottleneck of Transformer on Time Series Forecasting》,该文章使用了改进的Transformer模型进行时间序列预测。 根据以上引用内容,我将回答您的问题: Transformer模型是一种用于处理序列数据的神经网络模型,可以用于预测和视觉任务。对于预测任务,包括时间序列预测,在文章中使用了改进的Transformer模型进行预测。而视觉Transformer则是针对图像处理任务而设计的特定变种。 异同点如下: 1. 目标任务不同:Transformer进行预测的目标任务主要是时间序列预测,而视觉Transformer主要用于图像处理任务。 2. 模型结构差异:视觉Transformer通常采用了一些针对图像处理的特殊结构,例如图像的分割、融合和注意力机制的设计等,以更好地处理图像数据特点。而预测任务中使用的Transformer模型可能更加关注序列数据的模式和趋势。 3. 应用场景不同:预测任务的Transformer可以应用于各种需要对序列数据进行预测的场景,例如股票价格预测、天气预测等。而视觉Transformer则更适用于图像分类、目标检测和图像生成等视觉任务。 总结起来,Transformer模型可以用于预测任务和视觉任务,但应用于不同的问题领域和具体任务时,其结构和设计上可能存在一些差异。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [基于改进的Transformer模型针对时间序列数据进行预测](https://blog.csdn.net/zuiyishihefang/article/details/122677997)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值