学校关于能源效率的机器学习

Machine Learning from Schools about Energy Efficiency

【作者】 Fiona Burlig ; Christopher R. Knittel ; David Rapson ; Mar Reguant ; Catherine Wolfram

【关键词】 energy efficiency  ; machine learning  ; schools  ; panel data  ;

2019-02
美国麻省理工学院能源与环境政策研究中心
PDF下载
查看原文
分享到:
在美国，消费者每年在能源效率方面投资数十亿美元，通常是假设这些投资将通过未来的能源成本降低来为自己买单。衡量能效投资的回报需要对反事实的能源消耗进行估计，最近的研究表明，衡量节约的行业标准方法可能大大夸大了能效带来的收益。我们开发并实现了一种机器学习方法，用于使用高频面板数据估计治疗效果，这些数据现在可以从智能电表中广泛获得。我们研究了加州K-12学校能效升级的有效性，并证明机器学习方法优于标准的面板固定效应方法。我们发现，能效升级平均只提供了事前预期节约的53%，并发现学校特定的能源预测之间的相关性也很低

相关资源

智库报告
2023-04
电力转天然气技术的进展：成本和转换效率
Gunther Glenk ,Philip Holler ,Stefan Reichelstein
智库报告
2023-03
降雨冲击对土耳其移民外流的影响更多地由人均收入而非农业产出调节
Nathan Delacrétaz ,Bruno Lanz ,Amir H. Delju ,Étienne Piguet ,Martine Rebetez
智库报告
2023-02
烧钱（不烧钱）：为减少作物残渣燃烧而支付的生态系统服务费用
B. Kelsey Jack ,Seema Jayachandran ,Namrata Kala ,Rohini Pande