Solar Energy Forecasting Using Deep Learning Techniques

• 인트로에 Distributed Energy Resources (DER) 필요성의 강조

사용된 데이터셋

• 2006-2015
• Paris
• hourly
• training 은 9년 11개월, test는 마지막 1개월에 대해서(시계열로 <<나랑 다름)

사용한 모델
Baseline regression, Linear regression, Lasso regression , Elastic net regression , Ridge regression, Random forest regression, Gradient
boost regression, Extra trees regression, LGBM regression
and K-nearest neighbours regression. All these different ML
techniques are chosen from the scikit-learn library which
are predefined. Whereas, on the other hand various deep
learning models such as recurrent neural networks (RNN),
gated recurrent unit (GRU), long short-term memory (LSTM)

다른 피겨는 딱히 없었고
아래부터는 결과 피겨


이런식으로 train/test에 대한 RMSE만 평가하였다.

두번째로는

이런식으로 각 모델에 대해서 실제값과 예측값을 비교하는 피겨와 efficiency 를 비교하는 피겨 두장이 들어있고,

마지막으로 전체 모델을 비교하는 피겨로는

이렇게 바 형식으로 나와있다. rmse랑 mae를 한눈에 비교하기 좋은 듯.