Reinforcement Learning for Hourly Energy Consumption Prediction

นาย นนฐ์ทกร บุญรั กชาติ

สาขา/ภาควิชาวิศวกรรมไฟฟา้ คณะวิศวกรรมศาสตร์ มหาวิทยาลั ยเทคโนโลยีสรุ นารี
Email : nonthakorn.boon@gmail.com
November 22, 2022

Abstract
งานวิจัย นี้นำเสนอ การสร้างแบบจำลองเพือ่ ทำนายการใช้ พลั งงานไฟฟา้ แบบรายชั ว่ โมงโดยใช้ ข้อมูล การใช้ พลั งงานจาก The Dayton
Power and Light Company ตั้ งแต่วันที่ 31 ธั นวาคม 2547 ถึงวั นที่ 2 มกราคม 2561 เพือ่ นำข้อมูลของการใช้พลั งงานไฟฟา้ แบบรายชั ว่ โมง
มาวิเคราะห์หาความสั มพั นธ์และนำไปสร้างแบบจำลองการทำนายด้วยอั ลกอริทมึ ต่าง ๆ ทั้ ง 4 อั ลกอริทมึ ประกอบไปด้วย Long Short-Term
Memory (LSTM), Extreme gradient boosting (Xgboost), H2OAutoML และ DeepAR จากนั้ น ทดสอบประสิทธิภาพของแบบจำลอง
ด้วยการหารากของค่าความคลาดเคลือ่ นกำลั งสองเฉลีย่ (Root Mean Square Error : RMSE) เพือ่ หาแบบจำลองทีม่ ปี ระสิทธิภาพมากทีส่ ดุ

คำสำคั ญ : Energy Consumption, Prediction และ Extreme gradient boosting (Xgboost)