MACHINE LEARNING MODEL SELECTION FOR FORECASTING ENTITY ENERGY USAGE

Embodiments relate to generating time-series energy usage forecast predictions for energy consuming entities. Machine learning model(s) can be trained to forecast energy usage for different energy consuming entities. For example, a local coffee shop location and a large grocery store location are both considered retail locations, however their energy usage over days or weeks may differ significantly. Embodiments organize energy consuming entities into different entity segments and store trained machine learning models that forecast energy usage for each of these individual entity segments. For example, a given machine learning model that corresponds to a given entity segment can be trained using energy usage data for entities that match the given entity segment. A forecast manager can generate a forecast prediction for an energy consuming entity by matching the entity to a given entity segment and generating the forecast prediction using the entity segment's trained machine learning model. Des modes de réalisation concernent la génération de prédictions de prévision d'utilisation d'énergie en série chronologique pour des entités consommatrices d'énergie. Un ou plusieurs modèles d'apprentissage automatique peuvent être entraînés pour prévoir une utilisation d'énergie pour différentes entités consommatrices d'énergie. Par exemple, un emplacement de magasin de café local et un emplacement de magasin d'épicerie important sont tous deux des emplacements de vente au détail considérés, cependant leur utilisation d'énergie sur des jours ou des semaines peut différer de manière significative. Des modes de réalisation organisent des entités consommatrices d'énergie en différents segments d'entité et stockent des modèles d'apprentissage automatique entraînés qui prévoient l'utilisation d'énergie pour chacun de ces segments d'entité individuels. Par exemple, un modèle d'apprentissage automatique donné qui correspond à un segment d'entité donné peut être entraîné à l'aide de données d'utilisation d'énergie pour des entités qui correspondent au segment d'entité donné. Un gestionnaire de prévision peut générer une prédiction de prévision pour une entité consommatrices d'énergie par mise en correspondance de l'entité avec un segment d'entité donné et génération de la prédiction de prévision à l'aide du modèle d'apprentissage automatique entraîné du segment d'entité.