論文の概要: Deep Convolutional Neural Network Model for Short-Term Electricity Price Forecasting

• arxiv url: http://arxiv.org/abs/2003.07202v1
• Date: Thu, 12 Mar 2020 06:06:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-24 13:29:56.671526
• Title: Deep Convolutional Neural Network Model for Short-Term Electricity Price Forecasting
• Title（参考訳）: 短期電力価格予測のための深部畳み込みニューラルネットワークモデル
• Authors: Hsu-Yung Cheng, Ping-Huan Kuo, Yamin Shen, Chiou-Jye Huang
• Abstract要約: エネルギー市場における時間的予測を迅速に行うために,新しい畳み込みニューラルネットワーク(CNN)を提案する。 提案手法を既存手法と比較した結果,提案手法は優れた結果を得た。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the modern power market, electricity trading is an extremely competitive industry. More accurate price forecast is crucial to help electricity producers and traders make better decisions. In this paper, a novel method of convolutional neural network (CNN) is proposed to rapidly provide hourly forecasting in the energy market. To improve prediction accuracy, we divide the annual electricity price data into four categories by seasons and conduct training and forecasting for each category respectively. By comparing the proposed method with other existing methods, we find that the proposed model has achieved outstanding results, the mean absolute percentage error (MAPE) and root mean square error (RMSE) for each category are about 5.5% and 3, respectively.
• Abstract（参考訳）: 現代の電力市場では、電力取引は競争の激しい産業である。 より正確な価格予測は、電力生産者とトレーダーがより良い決定を下すのを助けるために不可欠である。 本稿では,エネルギー市場における時間的予測を迅速に行うために,新しい畳み込みニューラルネットワーク(CNN)を提案する。 予測精度を向上させるため,年間電力価格データを季節ごとに4つのカテゴリーに分け,各カテゴリーのトレーニングと予測を行う。 提案手法を他の既存手法と比較することにより,提案手法が優れた結果を得たことを見出し,各カテゴリの平均絶対パーセンテージ誤差 (mape) と根平均二乗誤差 (rmse) はそれぞれ約5.5%, 3。

関連論文リスト

• Revisiting Day-ahead Electricity Price: Simple Model Save Millions [7.088576782842557]
  本稿では,予測可能な需要供給値から直接価格を導出することにより,予測精度を著しく向上する簡易な断片的線形モデルを提案する。 バングラデシュの山西省とISO New Englandの電力市場実験によると、こうした予測は年間数百万ドル節約できる可能性がある。
  論文  参考訳（メタデータ） (2024-05-20T08:27:14Z)
• A probabilistic forecast methodology for volatile electricity prices in the Australian National Electricity Market [0.36832029288386137]
  オーストラリア国定電力市場(Australian National Electricity Market)の南オーストラリア地域は、現代の電力市場において最も高い価格変動率を示している。 本稿では,これらの極端条件下での確率予測へのアプローチについて概説する。
  論文  参考訳（メタデータ） (2023-11-13T12:33:33Z)
• Price-Aware Deep Learning for Electricity Markets [58.3214356145985]
  深層学習層として電力市場浄化最適化を組み込むことを提案する。 このレイヤを差別化することで、予測と価格エラーのバランスをとることができる。 風力発電予測と短期電力市場浄化のネクサスにおける価格認識深層学習について紹介する。
  論文  参考訳（メタデータ） (2023-08-02T21:16:05Z)
• Multivariate Probabilistic Forecasting of Intraday Electricity Prices using Normalizing Flows [62.997667081978825]
  ドイツでは、日内電気価格は通常、EPEXスポット市場の1日当たりの価格に異なる時間帯で変動する。 本研究は,日頭契約の日内価格差をモデル化する確率論的モデリング手法を提案する。
  論文  参考訳（メタデータ） (2022-05-27T08:38:20Z)
• A Hybrid Model for Forecasting Short-Term Electricity Demand [59.372588316558826]
  現在、英国電気市場は、規制当局が30分毎に発行する負荷(需要)予測によってガイドされている。 本稿では,機能工学(候補予測機能の選択),移動ウィンドウ予測,LSTMエンコーダデコーダを組み合わせたハイブリッド予測モデルHYENAを提案する。
  論文  参考訳（メタデータ） (2022-05-20T22:13:25Z)
• Predictive Accuracy of a Hybrid Generalized Long Memory Model for Short Term Electricity Price Forecasting [0.0]
  本研究では、一般化長メモリ自己回帰モデル(k-factor GARMA)に基づく新しいハイブリッドモデルの予測性能について検討する。 提案モデルの性能を北プール電力市場のデータを用いて評価した。
  論文  参考訳（メタデータ） (2022-04-18T12:21:25Z)
• Approaching sales forecasting using recurrent neural networks and transformers [57.43518732385863]
  深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。 実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。 提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
  論文  参考訳（メタデータ） (2022-04-16T12:03:52Z)
• Wholesale Electricity Price Forecasting using Integrated Long-term Recurrent Convolutional Network Model [0.0]
  本稿では、電力価格を予測するための長期再帰畳み込みネットワーク(ILRCN)モデルを提案する。 ケーススタディでは、提案したILRCNモデルが電気価格予測において正確かつ効率的であることが判明した。
  論文  参考訳（メタデータ） (2021-12-23T06:45:12Z)
• The impact of online machine-learning methods on long-term investment decisions and generator utilization in electricity markets [69.68068088508505]
  電力需要プロファイルを24時間以内に予測するために,オフライン11とオンライン5の学習アルゴリズムが与える影響を調査した。 最良オフラインアルゴリズムと比較して,オンラインアルゴリズムを用いて平均絶対誤差を30%削減できることを示した。 また,予測精度の大きな誤差は,17年間の投資に不均等な誤差があることを示す。
  論文  参考訳（メタデータ） (2021-03-07T11:28:54Z)
• Hybrid Modelling Approaches for Forecasting Energy Spot Prices in EPEC market [62.997667081978825]
  EPEC市場におけるエネルギースポット価格予測のためのハイブリッドモデリング手法について検討する。 データは2013-2014年の電力価格、2015年のテストデータで提供された。
  論文  参考訳（メタデータ） (2020-10-14T12:45:53Z)
• Transfer Learning for Electricity Price Forecasting [0.0]
  本稿では,他の電力価格市場からの情報を予測に活用する手段として,トランスファーラーニング(Transfer Learning)を提案する。 5つの異なる日頭市場における実験から,移動学習は電力価格予測の性能を統計的に有意な方法で向上させることが示された。
  論文  参考訳（メタデータ） (2020-07-05T17:24:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。