轻量级光伏预测框架

面向移动边缘计算的轻量级短期光伏功率预测

摘要

为了满足物联网（IoT）和移动系统中的节能需求，太阳能正被越来越多地用作绿色可再生资源，以使系统能够更节能地运行。在这方面，准确的光伏(PV)功率输出预测是这些系统中所采用的任何节能方案的前提条件[1]。

在本次演讲中，我将讨论一种结合LightGBM算法的统一训练框架，以获得能够提供光伏发电功率短期预测的预测模型。

与在单个高性能机器上进行训练相比，我们提出的框架更加节能，并且适用于具有有限计算和存储能力的设备（例如物联网和移动设备）[2]。

实验结果表明，我们提出的框架优于其他基准机器学习算法。

CCS概念/ACM分类器

• 新兴技术；机器学习

作者关键词

边缘计算；可解释机器学习；移动边缘；光伏

传记

阿尔伯特·Z·佐马亚目前是悉尼大学计算机科学学院的高性能计算与网络首席教授。他同时也是分布式与高性能计算中心主任。他发表了超过600篇科学论文和文章，并著有、合著或编辑了25多本书籍。

他是IEEE可持续计算汇刊的创刊主编，ACM计算调查的主编，此前曾担任IEEE计算机汇刊的主编（2011‐2014年）。他发表了190多次主题演讲、特邀研讨会和媒体简报，并以多种身份积极参与了700多场会议的组织工作。

Zomaya教授曾获得多项荣誉，如IEEE计算机学会技术成就奖奖项（2014年）、ACM MSWIM雷金纳德·A·费森登奖（2017年）以及新南威尔士州州长工程与信息通信技术卓越奖（2019年）。他是特许工程师、美国科学促进会会士、电气与电子工程师学会会士、英国工程技术学会会士、欧洲科学院当选成员，以及IEEE计算机学会金核会员。Zomaya教授的研究兴趣包括并行与分布式计算、网络和复杂系统。