Energy Time Series Forecasting: Efficient and Accurate Forecasting of Evolving Time Series from the Energy Domain

لارس دانکر یک فرآیند پیش‌بینی آنلاین جدید ایجاد کرد که به طور قابل توجهی نحوه محاسبه پیش‌بینی‌ها را بهبود می‌بخشد. کارایی و دقت پیش‌بینی را افزایش می‌دهد و همچنین به فرآیند اجازه می‌دهد تا با موقعیت‌ها و برنامه‌های مختلف سازگار شود. بهبود کارایی پیش‌بینی یک پیش‌نیاز کلیدی برای تضمین پایداری شبکه‌های برق در مواجهه با مقدار فزاینده منابع انرژی تجدیدپذیر است. همچنین تسهیل حرکت از معاملات ثابت روز آینده برق به سمت بازارهای زمان واقعی پویاتر بسیار مهم است. فرآیند پیش‌بینی آنلاین با تعدادی از رویکردها در لایه منطقی و فیزیکی که در این کتاب معرفی می‌کنیم، تحقق می‌یابد.

نامزد شده برای Georg- Helm-Preis 2015 توسط Technische Universität Dresden اهدا شد.

Lars Dannecker developed a novel online forecasting process that significantly improves how forecasts are calculated. It increases forecasting efficiency and accuracy, as well as allowing the process to adapt to different situations and applications. Improving the forecasting efficiency is a key pre-requisite for ensuring stable electricity grids in the face of an increasing amount of renewable energy sources. It is also important to facilitate the move from static day ahead electricity trading towards more dynamic real-time marketplaces. The online forecasting process is realized by a number of approaches on the logical as well as on the physical layer that we introduce in the course of this book.

Nominated for the Georg-Helm-Preis 2015 awarded by the Technische Universität Dresden.