間接指標を用いたキャンパスマイクログリッドのエネルギー使用予測の改善

増大するグローバルなエネルギー需要は、持続可能な方法での電力消費を採用し促進することで最も効果的に対処できます。我々は、大学キャンパスのマイクログリッドにおけるエネルギー消費パターンを予測するために情報科学的アプローチを採用し、エネルギー使用の計画と保全に活用します。170台のスマート電力メーターから15分間隔で収集した3年間のセンサーデータを活用し、キャンパスおよび建物のエネルギー使用を粗（1日）および細（15分）の時間間隔で予測できる回帰木モデルの訓練に一般に利用可能な新しい間接指標を使用します。モデルで使用される個々の特徴の影響を分析し、アプリケーションに最も適した特徴を特定します。私たちのモデルは、高い精度を示し、CV-RMSE誤差は7.45%から19.32%の範囲で、ベースラインモデルに対する誤差は最大53%の削減を実現しました。