Methods of Forecasting Electric Energy Consumption: A Literature Review; Energies; Vol. 15, iss. 23

Methods of Forecasting Electric Energy Consumption: A Literature Review; Energies; Vol. 15, iss. 23

Библиографические подробности
Источник:	Energies Vol. 15, iss. 23.— 2022.— [8919, 33 p.]
Корпоративные авторы:	Национальный исследовательский Томский политехнический университет Инженерная школа новых производственных технологий Отделение материаловедения, Национальный исследовательский Томский политехнический университет Инженерная школа новых производственных технологий Отделение машиностроения
Другие авторы:	Klyuev R. V. Roman Vladimirovich, Morgoev I. D. Ibrek Dzhabrailovich, Morgoeva A. D. Anzhelika Dzhabrailovna, Gavrina O. A. Oksana Alekseevna, Martyushev N. V. Nikita Vladimirovich, Efremenkov (Ephremenkov) E. A. Egor Alekseevich, Tsi Mensyuy
Примечания:	Title screen
Язык:	английский
Опубликовано:	2022
Предметы:	электронный ресурс труды учёных ТПУ forecasting power consumption modeling energy saving machine learning deep learning artificial neural network
Online-ссылка:	http://earchive.tpu.ru/handle/11683/74880 https://doi.org/10.3390/en15238919
Формат:	Электронный ресурс Статья
Запись в KOHA:	https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=668529

Схожие документы

Electric Consumption by Industrial Enterprises; Modeling, Rationing and Forecasting
Опубликовано: (Cham, Springer, 2024)

Нейросетевые технологии прогнозирования и управления электропотреблением в энергетических системах с использованием генетического метода; Известия Томского политехнического университета [Известия ТПУ]. Промышленная кибернетика; Т. 3, №1
Опубликовано: (2025)

Meteorological data analysis using extreme learning machines; Proceedings of SPIE; Vol. 12780 : Atmospheric and Ocean Optics: Atmospheric Physics
Опубликовано: (2023)

Wind, Solar, and Photovoltaic Renewable Energy Systems with and without Energy Storage Optimization: A Survey of Advanced Machine Learning and Deep Learning Techniques; Energies; Vol. 15, iss. 2
Опубликовано: (2022)

Прогнозирование почасовой выработки электроэнергии солнечной электростанцией с помощью алгоритмов машинного обучения; Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов; Т. 334, № 12
Опубликовано: (2023)

Predicting the Performance of Retail Market Firms: Regression and Machine Learning Methods; Mathematics; Vol. 11, iss. 8
Опубликовано: (2023)

Review of Methods for Improving the Energy Efficiency of Electrified Ground Transport by Optimizing Battery Consumption; Energies; Vol. 16, iss. 2
Опубликовано: (2023)

Time series forecasting with multilayer perceptrons; Proceedings of SPIE; Vol. 12780 : Atmospheric and Ocean Optics: Atmospheric Physics
Опубликовано: (2023)

Машинное обучение для оценки потенциала коллектора: критический обзор внедрённых и перспективных методов; Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов; Т. 337, № 8
Опубликовано: (2026)

Preventing hydrate formation by using artificial intelligence; Recent Achievements and Prospects of Innovations and Technologies; Iss. 3 : Proceedings of the XIII All-Russian Research-to-Practice Conference of Students, Postgraduates and Young Scientists, Kerch, April 22, 2024
по: Terkina A. K. Angelina Konstantinovna
Опубликовано: (2024)

Глубокие искусственные нейронные сети для прогноза значений дебитов добывающих скважин; Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов; Т. 331, № 11
по: Евсюткин И. В. Иван Викторович
Опубликовано: (2020)

Text detection algorithm on real scenes images and videos on the base of discrete cosine transform and convolutional neural network; Control and Communications (SIBCON-2017)
Опубликовано: (2017)

Classification of audio samples by convolutional networks in audiobeehive monitoring; Вестник Томского государственного университета. Управление, вычислительная техника и информатика; № 45
по: Кулюкин В. А. Владимир Алексеевич
Опубликовано: (2018)

Predicting oil flow rate through orifice plate with robust machine learning algorithms; Flow Measurement and Instrumentation; Vol. 81
Опубликовано: (2021)

Прогнозирование потребления электрической энергии промышленным предприятием с помощью методов машинного обучения; Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов; Т. 333, № 7
Опубликовано: (2022)

Advancement of artificial intelligence applications in hydrocarbon well drilling technology: A review; Applied Soft Computing; Vol. 176
Опубликовано: (2025)

Predicting shear wave velocity from conventional well logs with deep and hybrid machine learning algorithms; Journal of Petroleum Exploration and Production; Vol. 13, iss. 1
Опубликовано: (2023)

Влияние стратегий аннотации и масштаба входных данных на эффективность семантической сегментации океанических вихрей; Известия Томского политехнического университета [Известия ТПУ]. Промышленная кибернетика; Т. 4, № 2
Опубликовано: (2026)

Analysis of a Predictive Mathematical Model of Weather Changes Based on Neural Networks; Mathematics; Vol. 12, iss. 3
Опубликовано: (2024)

Combined deep-learning optimization predictive models for determining carbon dioxide solubility in ionic liquids; Journal of Industrial Information Integration; Vol. 41
Опубликовано: (2024)

A Developed Robust Model and Artificial Intelligence Techniques to Predict Drilling Fluid Density and Equivalent Circulation Density in Real Time; Sensors; Vol. 23, iss. 14
Опубликовано: (2023)

Прогнозирование энергоэффективности в топливно-энергетическом комплексе на основе модели MLP; Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов; Т. 337, № 1
Опубликовано: (2026)

Development of a Neural Network for a Digital Twin of Three-Winding Transformer; Problems of Informatics, Electronics and Radio Engineering (PIERE)
Опубликовано: (2024)

Predicting water-based drilling fluid filtrate volume in close to real time from routine fluid property measurements; Petroleum; Vol. 11, iss. 2
Опубликовано: (2025)

Повышение точности краткосрочного прогнозирования электропотребления групп точек поставки электроэнергии гарантирующих поставщиков второго уровня; Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов; Т. 331, № 6
по: Хомутов С. О. Станислав Олегович
Опубликовано: (2020)

Нейросетевое прогнозирование реологических параметров бурового раствора; Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов; Т. 333, № 8
Опубликовано: (2022)

Advancement of automatic generation control in power systems with large share of variable energy resources; Industry Applications Society Annual Meeting (IAS)
по: Tsydenov E. A. Evgeny Aleksandrovich
Опубликовано: (2021)

Оптимизация работы компрессорной установки с применением технологий искусственного интеллекта; Известия Томского политехнического университета [Известия ТПУ]. Промышленная кибернетика; Т. 1, № 4
по: Власов А. Е. Александр Евгеньевич
Опубликовано: (2023)

Educational AI technologies: from useful to problematic; Язык. Общество. Образование
по: Зайда А. В.
Опубликовано: (2024)

Advances in Reinforcement Learning: A Comprehensive Review of Real-World Applications in Industry; Acta Scientific Computer Sciences; Vol. 5, iss. 5
по: Usenko K. Kirill
Опубликовано: (2023)

Utilization of LSTM neural network for water production forecasting of a stepped solar still with a corrugated absorber plate; Process Safety and Environmental Protection; Vol. 148
Опубликовано: (2021)

Метод регионального прогноза нефтегазоносности территорий алгоритмами машинного обучения на примере Тюменской свиты Западной Сибири; Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов; Т. 332, № 1
по: Ивлев Д. А. Дмитрий Александрович
Опубликовано: (2021)

Mathematical Model for the Study of Energy Storage Cycling in Electric Rail Transport; World Electric Vehicle Journal; Vol. 16, iss. 7
Опубликовано: (2025)

Диагностика патологий по данным видеоэндоскопии с использованием ансамбля сверточных нейронных сетей; Современные технологии в медицине; Т. 10, № 2
Опубликовано: (2018)

Data driven based deep learning for optimizing carbon storage and methane adsorption in unconventional shale gas reservoirs; Journal of Environmental Chemical Engineering; Vol. 13, iss. 3
Опубликовано: (2025)

A Deep Neural Network for Simultaneous Estimation of b Jet Energy and Resolution; Computing and Software for Big Science; Vol. 2020, iss. 4
Опубликовано: (2020)

Исследование возможностей искусственных нейронных сетей в задаче классификации динамических признаков объектов; Известия Томского политехнического университета [Известия ТПУ]. Промышленная кибернетика; Т. 1, № 1
Опубликовано: (2023)

Predicting diameter and tensile strength of electrospun fibers for biomedicine: A comparison of Box-Behnken design, traditional machine learning and deep learning; Computers in Biology and Medicine; Vol. 196
Опубликовано: (2025)

Прогнозирование электропотребления с помощью нейронных сетей c LSTM; Известия Томского политехнического университета [Известия ТПУ]. Инжиниринг георесурсов; Т. 334, № 12
Опубликовано: (2023)

Monitoring of the Efficiency of the IRT-T Reactor Heat Exchanger System by Machine Learning Method; Physics of Particles and Nuclei Letters; Vol. 21, iss. 4
по: Kublinsky M. K. Maksym Konstantinovich
Опубликовано: (2024)