• machine learning
• Short-term load forecasting
• similar shape algorithms

Applicazione del algoritmo KNN-Regression per la previsione a breve termine del carico elettrico in Italia. Applico lo stesso algoritmo per i dataset diversi. Confronto l'errore del algoritmo con altri metodi. Le caratteristiche che influenzano il carico di un giorno vengono estratte attraverso l'osservazione e l'analisi dei dati di carico dei giorni nel dataset storico. Da queste caratteristiche, applico l'algoritmo “K-nearest neighbor - Regression” (KNN- Regression) per predire il carico del giorno successivo (il giorno A) trovando i giorni nel dataset storico che hanno le stesse caratteristiche del giorno successivo e prendendo il carico di quei giorni nel dataset storico per calcolare una previsione di carico per il giorno successivo. Poi calcolo l'errore tra il carico previsto e il carico effettivo, e poi lo confronto con la previsione di Terna. Anche applico il modello per il carico elettrico in Germania e per il dataset di GME.