XGBoost algorithm for orecasting electricity consumption of Germany
Yükleniyor...
Dosyalar
Tarih
2023
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Altınbaş Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Stability requires energy demand prediction. We train and test 24-hour German load forecasting models. ENTSO-E
Transparency Platform data covered European energy generation, transmission, and consumption. It uses German load
data instead of PJM data for the eastern US, adds holidays and lag features to the XGB model, and benchmarks with a
linear model and a random forest. Grid search CV refines the final XGB model. National load forecasting RMSE is
1740MW, which is suitable for the gradient boosting model. H-24 and H-48 lag is the most important for this job.
Weekends and holidays help, but less. Regional holidays, average temperatures, and lag characteristics could improve
the model (beyond H-48).
İstikrar, enerji talebi tahmini gerektirir. 24 saatlik Alman yük tahmin modellerini eğitiyor ve test ediyoruz. ENTSO-E Şeffaflık Platformu verileri Avrupa enerji üretimi, iletimi ve tüketimini kapsamaktadır. Doğu ABD için PJM verileri yerine Alman yük verilerini kullanır, XGB modeline tatiller ve gecikme özellikleri ekler ve doğrusal bir model ve rastgele bir orman ile karşılaştırma yapar. Şebeke arama CV'si nihai XGB modelini iyileştirir. Ulusal yük tahmini RMSE değeri 1740MW'tır ve bu değer gradyan artırma modeli için uygundur. H-24 ve H-48 gecikmesi bu iş için en önemlisidir. Hafta sonları ve tatiller yardımcı olur, ancak daha az. Bölgesel tatiller, ortalama sıcaklıklar ve gecikme özellikleri modeli geliştirebilir (H-48'in ötesinde).
İstikrar, enerji talebi tahmini gerektirir. 24 saatlik Alman yük tahmin modellerini eğitiyor ve test ediyoruz. ENTSO-E Şeffaflık Platformu verileri Avrupa enerji üretimi, iletimi ve tüketimini kapsamaktadır. Doğu ABD için PJM verileri yerine Alman yük verilerini kullanır, XGB modeline tatiller ve gecikme özellikleri ekler ve doğrusal bir model ve rastgele bir orman ile karşılaştırma yapar. Şebeke arama CV'si nihai XGB modelini iyileştirir. Ulusal yük tahmini RMSE değeri 1740MW'tır ve bu değer gradyan artırma modeli için uygundur. H-24 ve H-48 gecikmesi bu iş için en önemlisidir. Hafta sonları ve tatiller yardımcı olur, ancak daha az. Bölgesel tatiller, ortalama sıcaklıklar ve gecikme özellikleri modeli geliştirebilir (H-48'in ötesinde).
Açıklama
Anahtar Kelimeler
Consumption, Electricity, Forecasting, Regression, XGBoost, Tüketim, Elektrik, Tahmin, Regresyon, XGBoost
Kaynak
AURUM Journal of Engineering Systems and Architecture
WoS Q Değeri
Scopus Q Değeri
Cilt
7
Sayı
1
Künye
Ibrahim, A. A., Elzaridi, K. M. A. (2023). XGBoost algorithm for orecasting electricity consumption of Germany. AURUM Journal of Engineering Systems and Architecture, 7(1), 99-108.
