Biblioteca122.294 documentos en línea

Artículo

Predicting Short-Term Electricity Demand by Combining the Advantages of ARMA and XGBoost in Fog Computing EnvironmentPredicción de la demanda de electricidad a corto plazo combinando las ventajas de ARMA y XGBoost en un entorno de computación en la niebla (Fog Computing)

Resumen

Con el rápido desarrollo del IoT, se han expuesto las desventajas del marco de la Nube, como la alta latencia, la congestión de red y la baja confiabilidad. Por lo tanto, ha surgido el marco de la Computación en la Niebla, con una Capa de Niebla extendida entre la Nube y los terminales. Para abordar la predicción en tiempo real de la demanda de electricidad, proponemos un enfoque basado en XGBoost y ARMA en un entorno de Computación en la Niebla. Aprovechando las ventajas del marco de la Computación en la Niebla, primero proponemos un algoritmo de clustering basado en prototipos para dividir a los usuarios empresariales en varias categorías según su consumo total de electricidad; luego proponemos un enfoque de selección de modelo analizando los registros históricos de consumo de electricidad de los usuarios e identificando las características más importantes. En general, si los registros históricos pasan la prueba de estacionariedad y ruido blanco, se utiliza ARMA para modelar el consumo de electricidad de los

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento