인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Recently, advanced metering infrastructure (AMI) has been deployed for power demand distribution and energy saving, and correspondingly traditional watt-hour meters installed in apartments and industrial sites are also being replaced with AMIs. Accordingly, power demand prediction using AMIs will become increasingly important to save electrical energy consumption. In this paper, we develop various deep learning-based electricity consumption prediction models using simple neural networks, convolutional neural networks, recurrent neural networks, and encoder-decoder-based generative models. To build prediction models, we use average power demand data collected from various home smart meters. Experimental results show that the generative model outperforms other deep learning-based models in terms of mean squared error, and we roughly explain why the generative model is better than other models by examining the activation layer output distributions.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-ECN-0101-2022-560-000128897
