Kunz, Pertami J. ; Zoubir, Abdelhak M. (2023)
Complex Seasonal Circular Block Bootstrap for Electricity Load Forecasting.
31st European Signal Processing Conference (EUSIPCO 2023). Helsinki, Finland (04.-08.09.2023)
doi: 10.23919/EUSIPCO58844.2023.10289737
Konferenzveröffentlichung, Bibliographie
Kurzbeschreibung (Abstract)
We propose the Complex Seasonal Circular Block Bootstrap (XSCBB), a variation of seasonal (circular) block bootstrap that caters for multiple seasonality components in a time series. Electricity consumption (load) prediction is important to balance the supply and load demand, to plan facilities construction and maintenance, to plan distribution, and avoid outages or excess loss. We apply the XSCBB method parametrically to calculate the prediction interval of future electricity consumption given a relatively small amount of historical sample points using the composite ARMA(p, q) - GARCH(r, s) model.
| Typ des Eintrags: | Konferenzveröffentlichung |
|---|---|
| Erschienen: | 2023 |
| Autor(en): | Kunz, Pertami J. ; Zoubir, Abdelhak M. |
| Art des Eintrags: | Bibliographie |
| Titel: | Complex Seasonal Circular Block Bootstrap for Electricity Load Forecasting |
| Sprache: | Englisch |
| Publikationsjahr: | 1 November 2023 |
| Verlag: | IEEE |
| Buchtitel: | 31st European Signal Processing Conference (EUSIPCO 2024): Proceedings |
| Veranstaltungstitel: | 31st European Signal Processing Conference (EUSIPCO 2023) |
| Veranstaltungsort: | Helsinki, Finland |
| Veranstaltungsdatum: | 04.-08.09.2023 |
| DOI: | 10.23919/EUSIPCO58844.2023.10289737 |
| Kurzbeschreibung (Abstract): | We propose the Complex Seasonal Circular Block Bootstrap (XSCBB), a variation of seasonal (circular) block bootstrap that caters for multiple seasonality components in a time series. Electricity consumption (load) prediction is important to balance the supply and load demand, to plan facilities construction and maintenance, to plan distribution, and avoid outages or excess loss. We apply the XSCBB method parametrically to calculate the prediction interval of future electricity consumption given a relatively small amount of historical sample points using the composite ARMA(p, q) - GARCH(r, s) model. |
| Fachbereich(e)/-gebiet(e): | 18 Fachbereich Elektrotechnik und Informationstechnik 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Nachrichtentechnik 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Nachrichtentechnik > Signalverarbeitung Exzellenzinitiative Exzellenzinitiative > Graduiertenschulen Exzellenzinitiative > Graduiertenschulen > Graduate School of Computational Engineering (CE) |
| Hinterlegungsdatum: | 15 Nov 2023 09:18 |
| Letzte Änderung: | 18 Jan 2024 07:26 |
| PPN: | 514773545 |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum