1. Suranaree University of Technology
  2. Institutes
  3. Institute of Engineering
  4. School of Electrical Engineering
  5. วิทยานิพนธ์ (Thesis)
Please use this identifier to cite or link to this item: https://sutir.sut.ac.th/jspui/handle/123456789/10646
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorKeerati Chayakulkheereeen_US
dc.contributor.authorNisachon Thabchaen_US
dc.date.accessioned2026-04-07T06:41:09Z-
dc.date.available2026-04-07T06:41:09Z-
dc.date.issued2025-
dc.identifier.urihttp://sutir.sut.ac.th:8080/jspui/handle/123456789/10646-
dc.language.isoenen_US
dc.publisherSchool of Electrical Engineering Institute of Engineering Suranaree University of Technologyen_US
dc.subjectLoad Forecastingen_US
dc.subjectMutual Informationen_US
dc.subjectExplainable Alen_US
dc.subjectNeural Networken_US
dc.subjectSHAPen_US
dc.titleDay-ahead load forecasting using supervised deep learning technique with contextual feature engineering and explainable analysis: a case study of the SUT campus with PV integrationen_US
dc.title.alternativeการพยากรณ์ภาระโหลดล่วงหน้ารายวันโดยใช้เทคนิคการเรียนรู้เชิงลึกแบบมีผู้สอนร่วมกับวิศวกรรมคุณลักษณะเชิงบริบทและการวิเคราะห์แบบอธิบายได้:กรณีศึกษามหาวิทยาลัยเทคโนโลยีสุรนารีที่มีการบูรณาการพลังงานแสงอาทิตย์en_US
dc.typeThesisen_US
dc.degree.nameMaster of Engineering-
dc.degree.levelMaster's Degree-
dc.degree.disciplineElectrical Engineering-
dc.degree.grantorSuranaree University of Technology-
Appears in Collections:วิทยานิพนธ์ (Thesis)

Files in This Item:
File Description SizeFormat 
Abstract.pdfAbstract1.95 MBAdobe PDFView/Open
Fulltext.pdfFulltext15.79 MBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.