Cristin-resultat-ID: 2153684
Sist endret: 15. juni 2023, 14:16
NVI-rapporteringsår: 2023
Resultat
Vitenskapelig artikkel
2023

Assessing the impact of employing machine learning-based baseline load prediction pipelines with sliding-window training scheme on offered flexibility estimation for different building categories

Bidragsytere:
  • Italo Aldo Campodonico Avendano
  • Farzad Dadras Javan
  • Behzad Najafi
  • Amin Nitter Moazami og
  • Fabio Rinaldi

Tidsskrift

Energy and Buildings
ISSN 0378-7788
e-ISSN 1872-6178
NVI-nivå 2
Finn i kanalregisteret

Om resultatet

Vitenskapelig artikkel
Publiseringsår: 2023
Volum: 294
Artikkelnummer: 113217
Open Access

Lenker

original online (doi)

Importkilder

Scopus-ID: 2-s2.0-85161028750

Beskrivelse Beskrivelse

Tittel

Assessing the impact of employing machine learning-based baseline load prediction pipelines with sliding-window training scheme on offered flexibility estimation for different building categories

Bidragsytere

Italo Aldo Campodonico Avendano

  • Tilknyttet:
    Forfatter
    ved Institutt for havromsoperasjoner og byggteknikk ved Norges teknisk-naturvitenskapelige universitet

Farzad Dadras Javan

  • Tilknyttet:
    Forfatter
    ved Politecnico di Milano

Behzad Najafi

  • Tilknyttet:
    Forfatter
    ved Politecnico di Milano
Aktiv cristin-person

Amin Moazami

Bidragsyterens navn vises på dette resultatet som Amin Nitter Moazami
  • Tilknyttet:
    Forfatter
    ved Institutt for havromsoperasjoner og byggteknikk ved Norges teknisk-naturvitenskapelige universitet
  • Tilknyttet:
    Forfatter
    ved Bygninger og installasjoner ved SINTEF AS

Fabio Rinaldi

  • Tilknyttet:
    Forfatter
    ved Politecnico di Milano
1 - 5 av 5