Metodbevispost
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.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
Electrical Load Forecasting and Demand Prediction
Taxonomisk metodpost · 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
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Inga kuraterade påståenden ännu
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.