論文の概要: Real-time Locational Marginal Price Forecasting Using Generative Adversarial Network

• arxiv url: http://arxiv.org/abs/2011.04717v1
• Date: Mon, 9 Nov 2020 19:46:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 02:20:32.730071
• Title: Real-time Locational Marginal Price Forecasting Using Generative Adversarial Network
• Title（参考訳）: ジェネレーティブ・ディバイサル・ネットワークを用いたリアルタイム位置空間価格予測
• Authors: Zhongxia Zhang, Meng Wu
• Abstract要約: そこで本稿では,電力市場におけるリアルタイム位置情報境界価格(RTLMP)の予測のためのモデルフリーな教師なし学習手法を提案する。 提案手法は,利用可能な歴史的価格データのみを用いて,システム全体のRTLMPを予測する。
• 参考スコア（独自算出の注目度）: 2.129799531630147
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: In this paper, we propose a model-free unsupervised learning approach to forecast real-time locational marginal prices (RTLMPs) in wholesale electricity markets. By organizing system-wide hourly RTLMP data into a 3-dimensional (3D) tensor consisting of a series of time-indexed matrices, we formulate the RTLMP forecasting problem as a problem of generating the next matrix with forecasted RTLMPs given the historical RTLMP tensor, and propose a generative adversarial network (GAN) model to forecast RTLMPs. The proposed formulation preserves the spatio-temporal correlations among system-wide RTLMPs in the format of historical RTLMP tensor. The proposed GAN model learns the spatio-temporal correlations using the historical RTLMP tensors and generate RTLMPs that are statistically similar and temporally coherent to the historical RTLMP tensor. The proposed approach forecasts system-wide RTLMPs using only publicly available historical price data, without involving confidential information of system model, such as system parameters, topology, or operating conditions. The effectiveness of the proposed approach is verified through case studies using historical RTLMP data in Southwest Power Pool (SPP).
• Abstract（参考訳）: 本稿では,電力市場におけるrtlmps(real-time locational marginal price)予測のためのモデルフリー非教師なし学習手法を提案する。 RTLMPデータを時系列行列からなる3次元テンソルに整理することにより、RTLMP予測問題を、時系列RTLMPテンソルを与えられた予測されたRTLMPを用いて次の行列を生成する問題として定式化し、RTLMP予測のための生成逆ネットワーク(GAN)モデルを提案する。 提案手法は, システム全体のRTLMP間の時空間相関を, 歴史的RTLMPテンソルの形式で保存する。 提案モデルでは, 歴史的RTLMPテンソルを用いて時空間相関を学習し, 統計的に類似し, 時間的に一致するRTLMPを生成する。 提案手法では,システムパラメータやトポロジー,運用条件などのシステムモデルの機密情報を含まず,公開価格データのみを用いてシステム全体のrtlmpsを予測する。 提案手法の有効性は,南西電力プール(SPP)の歴史的RTLMPデータを用いたケーススタディにより検証した。

関連論文リスト

• Beam Prediction based on Large Language Models [51.45077318268427]
  ミリ波(mmWave)通信は次世代無線ネットワークに期待できるが、パス損失は大きい。 長短期記憶(LSTM)のような従来のディープラーニングモデルでは、ビーム追跡精度が向上するが、ロバスト性や一般化が不足している。 本稿では,大規模言語モデル(LLM)を用いて,ビーム予測の堅牢性を向上させる。
  論文  参考訳（メタデータ） (2024-08-16T12:40:01Z)
• Synthesizing Multimodal Electronic Health Records via Predictive Diffusion Models [69.06149482021071]
  EHRPDと呼ばれる新しいEHRデータ生成モデルを提案する。 時間間隔推定を組み込んだ拡散モデルである。 我々は2つの公開データセットで実験を行い、忠実さ、プライバシー、実用性の観点からEPHPDを評価する。
  論文  参考訳（メタデータ） (2024-06-20T02:20:23Z)
• Probabilistic Forecasting of Real-Time Electricity Market Signals via Interpretable Generative AI [41.99446024585741]
  Weak Innovation AutoEncoderをベースとしたGenerative Probabilistic ForecastingアーキテクチャであるWIAE-GPFを提案する。 構造収束を保証する新しい学習アルゴリズムを提案し、生成した予測サンプルが基底真理条件付き確率分布と一致することを保証した。
  論文  参考訳（メタデータ） (2024-03-09T00:41:30Z)
• Online Variational Sequential Monte Carlo [49.97673761305336]
  我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。 オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
  論文  参考訳（メタデータ） (2023-12-19T21:45:38Z)
• Commodities Trading through Deep Policy Gradient Methods [0.0]
  商品取引問題を連続的な離散時間力学系として定式化する。 アクターベースとアクタークリティカルベースの2つのポリシーアルゴリズムが導入された。 先月末の天然ガス先物試験では、DRLモデルのシャープ比が買いと持ち株ベースラインと比較して83%高くなることが示されている。
  論文  参考訳（メタデータ） (2023-08-10T17:21:12Z)
• DynamoPMU: A Physics Informed Anomaly Detection and Prediction Methodology using non-linear dynamics from $\mu$PMU Measurement Data [0.0]
  我々は、$mu$PMUストリーミングデータの異常を検知し、制御方程式を用いてイベントを同時に予測する物理力学に基づくアプローチを開発した。 提案手法の有効性を,LBNL分布グリッドから得た実際の$mu$PMUデータの解析により実証する。
  論文  参考訳（メタデータ） (2023-03-31T19:32:24Z)
• Towards Long-Term Time-Series Forecasting: Feature, Pattern, and Distribution [57.71199089609161]
  長期的時系列予測(LTTF)は、風力発電計画など、多くのアプリケーションで需要が高まっている。 トランスフォーマーモデルは、高い計算自己認識機構のため、高い予測能力を提供するために採用されている。 LTTFの既存の手法を3つの面で区別する,Conformer という,効率的なTransformer ベースモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-05T13:59:29Z)
• Time-to-Green predictions for fully-actuated signal control systems with supervised learning [56.66331540599836]
  本稿では,集約信号とループ検出データを用いた時系列予測フレームワークを提案する。 我々は、最先端の機械学習モデルを用いて、将来の信号位相の持続時間を予測する。 スイスのチューリッヒの信号制御システムから得られた経験的データに基づいて、機械学習モデルが従来の予測手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-08-24T07:50:43Z)
• Short-Term Electricity Price Forecasting based on Graph Convolution Network and Attention Mechanism [5.331757100806177]
  本稿では、スペクトルグラフ畳み込みネットワーク(GCN)を調整し、短期LMP予測の精度を大幅に向上させる。 3分岐ネットワーク構造はLMPの構成と一致するように設計されている。 PJMによるIEEE-118テストシステムと実世界のデータに基づくケーススタディにより、提案モデルが既存の予測モデルよりも精度で優れていることが検証された。
  論文  参考訳（メタデータ） (2021-07-26T15:44:07Z)
• HiPPO: Recurrent Memory with Optimal Polynomial Projections [93.3537706398653]
  本稿では,連続信号と離散時系列をベースに投影してオンライン圧縮するための一般フレームワーク(HiPPO)を提案する。 過去の各時間ステップの重要性を示す尺度が与えられた場合、HiPPOは自然なオンライン関数近似問題に対する最適解を生成する。 このフォーマルなフレームワークは、すべての履歴を記憶するために時間をかけてスケールする新しいメモリ更新メカニズム(HiPPO-LegS)を提供する。
  論文  参考訳（メタデータ） (2020-08-17T23:39:33Z)
• Predicting Real-Time Locational Marginal Prices: A GAN-Based Video Prediction Approach [2.129799531630147]
  リアルタイム位置情報の限界価格(RTL)を予測するための教師なしデータ駆動手法を提案する。 提案手法は,システム全体の市場データストリームを市場データイメージやビデオのフォーマットに整理する汎用データ構造に基づいて構築される。
  論文  参考訳（メタデータ） (2020-03-20T23:00:58Z)

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。