We have evaluated a wide range of s

We have evaluated a wide range of state-of-the-art
methods and strategies for short-term forecasting of household
electricity consumption, which is a key capability
in many smart grid applications. Although our current
data base is limited, we were able to gain useful insights
into their performance at dierent levels of granularity
and forecasting horizon length. We showed that
without further renement of advanced methods such
as ARIMA and neural networks, the persistence forecasts
are hard to beat in most situations. Especially
in households with demand proles that remain constant
for many hours during a typical day, advanced
forecasting methods provide little value, if they are not
embedded into a framework that adapts their use to individual
household attributes. Future work will focus
on the design of such frameworks and evaluate them
based on representative data.

Results (Thai) 1:

เราได้ประเมินหลากหลายของรัฐ-of-the-artวิธีการและกลยุทธ์สำหรับการคาดการณ์ระยะสั้นของครัวเรือนใช้ไฟฟ้า ซึ่งมีความสำคัญในการใช้งานสมาร์ทกริดจำนวนมาก แม้ว่าปัจจุบันของเราฐานข้อมูลถูกจำกัด เราไม่สามารถได้รับข้อมูลที่เป็นประโยชน์เป็นการปฏิบัติที่ดีระดับ erent ของส่วนประกอบและคาดการณ์ระยะขอบฟ้า เราพบว่าไม่มีเพิ่มเติมอีกครั้ง nement วิธีที่ขั้นสูงเช่นอาและเครือข่ายประสาท การคาดการณ์ที่มีอยู่ยากต่อการเอาชนะในสถานการณ์ส่วนใหญ่ โดยเฉพาะอย่างยิ่งในครัวเรือนที่มีความต้องการ pro เลสที่คงหลายชั่วโมงในวันปกติ ขั้นสูงวิธีการคาดการณ์ให้ค่าน้อย ถ้าพวกเขาไม่ฝังตัวลงในกรอบที่ปรับใช้กับแต่ละบุคคลแอตทริบิวต์ในครัวเรือน ทำงานในอนาคตจะมุ่งเน้นในการออกแบบของกรอบเช่นคุณตามข้อมูลพนักงาน

Results (Thai) 2:

เรามีการประเมินความหลากหลายของรัฐของศิลปะวิธีการและกลยุทธ์สำหรับการพยากรณ์ระยะสั้นของใช้ในครัวเรือนใช้ไฟฟ้าซึ่งเป็นความสามารถที่สำคัญในการใช้งานสมาร์ทกริดหลาย ถึงแม้ว่าในปัจจุบันของเราด้วยฐานข้อมูลที่มี จำกัด เราก็สามารถที่จะได้รับข้อมูลเชิงลึกที่มีประโยชน์ลงไปในผลการดำเนินงานของพวกเขาที่ดิ? ระดับต่างกันของเมล็ดและระยะเวลาในการคาดการณ์ขอบฟ้า เราแสดงให้เห็นว่าโดยไม่ต้องต่อใหม่อีกครั้ง nement ของวิธีการขั้นสูงดังกล่าวเป็นเครือข่ายARIMA และประสาทการคาดการณ์การติดตายากที่จะชนะในสถานการณ์ส่วนใหญ่ โดยเฉพาะอย่างยิ่งในผู้ประกอบการที่มีความต้องการโปร les ที่ยังคงอยู่อย่างต่อเนื่องเป็นเวลาหลายชั่วโมงในช่วงวันปกติขั้นสูงวิธีการพยากรณ์ให้ค่าน้อยถ้าพวกเขาจะไม่ฝังตัวในกรอบที่จะปรับการใช้งานของพวกเขาไปแต่ละแอตทริบิวต์ที่ใช้ในครัวเรือน การทำงานในอนาคตจะมุ่งเน้นในการออกแบบกรอบดังกล่าวและประเมินพวกเขาขึ้นอยู่กับข้อมูลตัวแทน

Results (Thai) 3:

เราได้ประเมินหลากหลายวิธีการรัฐ - of - the - art
และกลยุทธ์สำหรับการพยากรณ์ระยะสั้นของการใช้ไฟฟ้าในครัวเรือนซึ่งมีความสามารถ

ที่สำคัญในการใช้งานกริดสมาร์ทมาก แม้ว่าฐานข้อมูลของเราในปัจจุบัน
มีจำกัด เราสามารถที่จะได้รับข้อมูลเชิงลึกที่เป็นประโยชน์ในการปฏิบัติงานของตนเอง ที่ ดิ 

erent ระดับ granularity และประมาณการความยาวขอบฟ้า เราพบว่า
โดยไม่ต้องเพิ่มเติมอีก  nement วิธีการขั้นสูงเช่น
เป็นและเมื่อโครงข่ายประสาทเทียม , การติดตาการคาดการณ์
ยากที่จะเอาชนะในสถานการณ์มากที่สุด โดยเฉพาะในครัวเรือนที่มีความต้องการโปร
 เลสที่คงที่
เป็นเวลาหลายชั่วโมงในช่วงวันปกติ ขั้นสูง
วิธีการพยากรณ์ให้มีค่าน้อยถ้าพวกเขาไม่ได้
ฝังเข้าไปในกรอบที่ปรับใช้กับคุณลักษณะของใช้ในครัวเรือนส่วนบุคคล

การทำงานในอนาคตจะมุ่งเน้นในการออกแบบ เช่น กรอบ

ขึ้นอยู่กับข้อมูลและประเมินพวกเขาเป็นตัวแทนของ