机译:基于集成学习的新型数据驱动的居民用电量预测方法
Beijing Jiaotong Univ, Natl Act Distribut Network Technol Res Ctr NANTEC, Beijing 100044, Peoples R China;
Beijing Jiaotong Univ, Natl Act Distribut Network Technol Res Ctr NANTEC, Beijing 100044, Peoples R China;
Beijing Jiaotong Univ, Natl Act Distribut Network Technol Res Ctr NANTEC, Beijing 100044, Peoples R China;
Tsinghua Univ, Dept Elect Engn, State Key Lab Power Syst, Beijing 100084, Peoples R China;
Household electricity consumption; Ensemble learning; Neural network; Extreme gradient boosting;
机译:使用数据驱动的群体基于集合模型的建筑物短期电力消耗预测
机译:数据驱动方法预测伦敦城市规模的住宅能耗
机译:利用Holt-Winters和极端学习机的住宅用电力消耗混合预测模型
机译:多元用电量的进化多目标集成学习
机译:改进住宅建筑电力消耗预测和HVAC效率评估的数据驱动建模
机译:开发基于传感器记录数据的混合神经网络方法来预测住宅用电量
机译:使用数据驱动方法调查影响非住宅建筑物电力消耗的主要因素