Short-term residential load forecasting: Impact of calendar effects and forecast granularity

استفاده از پروفایل های بار تاریخی با فصلی روزانه و هفتگی همراه با داده های آب و هوایی، جلوه های تقویم صریح را یک قدرت پیش بینی کننده بسیار پایین می گذارد. در محدوده مورد مطالعه در اینجا نشان داده شده است که با استفاده از جزئیات دقیق پیش بینی می توان خطاهای پیش بینی را کاهش داد. همچنین مشخص شد که یک سال از داده های تاریخی برای توسعه یک مدل پیش بینی بار برای مشتریان مسکونی کافی است، زیرا افزایش بیشتر در مجموعه داده های آموزشی دارای مزیت نهایی است.