Das Buch behandelt die Forschung und Entwicklung von Methoden des maschinellen Lernens zur Prognose und Optimierung des Energieverbrauchs in Industrieunternehmen. Die Forschung basiert auf realen Daten zum täglichen Stromverbrauch des Unternehmens Qarmet für die Jahre 2014-2025. Es wurde eine vergleichende Analyse verschiedener Modelle wie RNN, LSTM, GRU und Transformer für die kurzfristige Prognose von Zeitreihen durchgeführt. Die Ergebnisse der Experimente zeigten, dass das Transformer-Modell mit einem Beobachtungsfenster von 30 Tagen und direkter Mehrschritt-Prognose am effektivsten ist. Auf der Grundlage der Prognosen wurde eine Methode zur Glättung von Spitzenlasten entwickelt, wobei das Gesamtvolumen des Energieverbrauchs beibehalten wird. Ein Softwarekomplex wurde implementiert, der die Prognose, Optimierung und Visualisierung der Ergebnisse ermöglicht. Der vorgeschlagene Ansatz kann als Instrument zur Entscheidungsunterstützung dienen, um die zu verbessern und die Energieverbrauchsmuster in Industrieunternehmen zu plan
Preis-Historie
* Die Preishistorie enthält keine Daten von Amazon.
Preise zuletzt aktualisiert am: