| Verlagslink DOI: | 10.1109/SEST61601.2024.10694018 | Titel: | SMARDcast : day-ahead forecasting of German electricity consumption with deep learning | Sprache: | Englisch | Autorenschaft: | Krüger, Nick Eger, Kolja Renz, Wolfgang |
Herausgeber: | Institute of Electrical and Electronics Engineers | Schlagwörter: | CNN-LSTM; neural networks; seasonality; SMARD; time-series forecasting | Erscheinungsdatum: | 4-Okt-2024 | Verlag: | IEEE | Teil der Schriftenreihe: | 2024 International Conference on Smart Energy Systems and Technologies (SEST) | Konferenz: | International Conference on Smart Energy Systems and Technologies 2024 | URI: | https://hdl.handle.net/20.500.12738/16735 | ISBN: | 979-8-3503-8649-3 979-8-3503-8650-9 |
ISSN: | 2836-4678 | Begutachtungsstatus: | Diese Version hat ein Peer-Review-Verfahren durchlaufen (Peer Review) | Einrichtung: | Department Informations- und Elektrotechnik Fakultät Technik und Informatik |
Dokumenttyp: | Konferenzveröffentlichung |
| Enthalten in den Sammlungen: | Publications without full text |
Zur Langanzeige
Volltext ergänzen
Feedback zu diesem Datensatz
Export
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.