방법 증거 기록
Load Forecasting
Load forecasting predicts future electrical demand on power systems across various time horizons: minutes to hours (short-term), days to weeks (medium-term), and months to years (long-term). Accurate forecasting is essential for economic dispatch, unit commitment, and system reliability. Methods range from classical statistical regression to modern machine learning approaches.
원본 기록
방법의 원본 기록에서 그대로 복사된 인용입니다. 이로부터 수준별 검증이 추론되지 않습니다.
Electrical Load Forecasting and Demand Prediction
분류학적 방법 기록 · process-pipeline / electrical-engineering
- Hippert, H. S., Pedreira, C. E., & Souza, R. C. (2001). Neural networks for short-term load forecasting: A review and evaluation. IEEE Transactions on Power Systems, 16(1), 44-55. · DOI 10.1109/59.910780
- Charlton, J. D., Kalamara, E., & James, R. D. (2008). Quantifying electricity load profiles and demand patterns. Energy Policy, 36(1), 181-193. · URL
- Bunn, D. W. (2005). Forecasting with Multiple Models: A Case Study of Electric Load Forecasting. Futures, 37(8), 896-906. · URL
큐레이션된 주장
각각 자체 평가와 함께 증거 원장에 유지된 주장입니다.
아직 큐레이션된 주장이 없습니다
원장에 주장 평가가 없는 경우 이 보기에서는 주장 평가를 만들지 않습니다.
관련 방법
방법 그래프에서 생성되었으며 기계가 제안한 관계로 표시됩니다 — 증거 주장이 추론되지 않습니다.