論文の概要: Predictive Accuracy of a Hybrid Generalized Long Memory Model for Short Term Electricity Price Forecasting

• arxiv url: http://arxiv.org/abs/2204.09568v1
• Date: Mon, 18 Apr 2022 12:21:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-22 04:41:46.557383
• Title: Predictive Accuracy of a Hybrid Generalized Long Memory Model for Short Term Electricity Price Forecasting
• Title（参考訳）: 短期電力価格予測のためのハイブリッド一般化長記憶モデルの予測精度
• Authors: Souhir Ben Amor, Heni Boubaker, Lotfi Belkacem
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate electricity price forecasting is the main management goal for market participants since it represents the fundamental basis to maximize the profits for market players. However, electricity is a non-storable commodity and the electricity prices are affected by some social and natural factors that make the price forecasting a challenging task. This study investigates the predictive performance of a new hybrid model based on the Generalized long memory autoregressive model (k-factor GARMA), the Gegenbauer Generalized Autoregressive Conditional Heteroscedasticity(G-GARCH) process, Wavelet decomposition, and Local Linear Wavelet Neural Network (LLWNN) optimized using two different learning algorithms; the Backpropagation algorithm (BP) and the Particle Swarm optimization algorithm (PSO). The performance of the proposed model is evaluated using data from Nord Pool Electricity markets. Moreover, it is compared with some other parametric and non-parametric models in order to prove its robustness. The empirical results prove that the proposed method performs well than other competing techniques.
• Abstract（参考訳）: 正確な電力価格予測は、市場参加者の利益を最大化するための基礎となるため、市場参加者にとって主要な管理目標である。 しかし、電気は保存不可能な商品であり、電気価格は価格予測が困難な課題となる社会的・自然的な要因の影響を受けている。 本研究では, 一般化長メモリ自己回帰モデル(k-factor GARMA), Gegenbauer Generalized Autoregressive Conditional Heteroscedasticity(G-GARCH)プロセス, Wavelet decomposition, およびローカル線形ウェーブレットニューラルネットワーク(LLWNN)に基づく2つの学習アルゴリズム, Backpropagation Algorithm(BP)とParticle Swarm Optimization Algorithm(PSO)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した。 提案モデルの性能は,北欧電力市場のデータを用いて評価した。 さらに、その堅牢性を証明するために、他のパラメトリックモデルや非パラメトリックモデルと比較される。 実験により,提案手法は他の競合技術よりも優れた性能を示した。

関連論文リスト

• Conformal Prediction for Electricity Price Forecasting in the Day-Ahead and Real-Time Balancing Market [0.0]
  再生可能エネルギーの電気市場への統合は 価格安定に重大な課題をもたらします 本研究では, Conformal Prediction (CP) 技術を用いた確率的価格予測の強化について検討した。 本稿では,量子レグレッションモデルの効率と時系列適応CP手法の強靭なカバレッジ特性を組み合わせたアンサンブル手法を提案する。
  論文  参考訳（メタデータ） (2025-02-07T13:57:47Z)
• Anomaly Detection in California Electricity Price Forecasting: Enhancing Accuracy and Reliability Using Principal Component Analysis [0.0]
  本研究は,カリフォルニア州の電力網における電力価格予測の強化に焦点を当てた。 我々は,CAISOの時間的電力価格と2016-2021年の需要を分析し,日頭予測精度を向上させる。
  論文  参考訳（メタデータ） (2024-11-25T20:55:25Z)
• Deep Learning-Based Electricity Price Forecast for Virtual Bidding in Wholesale Electricity Market [3.130428666578115]
  本研究では,ERCOT(Electric Reliability Council of Texas)市場におけるリアルタイム電力価格と日頭電力価格の間に広がる価格を予測するためのトランスフォーマーに基づくディープラーニングモデルを提案する。 提案したモデルは現実的な制約の下で訓練され、毎週モデルを更新してウォーキングフォワードアプローチを用いて検証される。 その結果, ピーク時のみの取引戦略が50%を超える精度で, ほぼ一貫した利益をもたらすことがわかった。
  論文  参考訳（メタデータ） (2024-11-25T20:04:16Z)
• Gated recurrent neural network with TPE Bayesian optimization for enhancing stock index prediction accuracy [0.0]
  インドの著名な株式市場指標であるNIFTY50指数の翌日の終値の予測精度を改善することを目的とする。 8つの影響要因の組み合わせは、基本株価データ、技術指標、原油価格、マクロ経済データから慎重に選択される。
  論文  参考訳（メタデータ） (2024-06-02T06:39:01Z)
• HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and Regime-Switch VAE [113.47287249524008]
  オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。 本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。 4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2023-06-05T12:58:13Z)
• Precision-Recall Divergence Optimization for Generative Modeling with GANs and Normalizing Flows [54.050498411883495]
  本研究では,ジェネレーティブ・アドバイサル・ネットワークや正規化フローなどの生成モデルのための新しいトレーニング手法を開発した。 指定された精度-リコールトレードオフを達成することは、textitPR-divergencesと呼ぶ家族からのユニークな$f$-divergenceを最小化することを意味する。 当社のアプローチは,ImageNetなどのデータセットでテストした場合の精度とリコールの両面で,BigGANのような既存の最先端モデルの性能を向上させる。
  論文  参考訳（メタデータ） (2023-05-30T10:07:17Z)
• Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
  消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。 我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。 提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-03-28T00:23:23Z)
• 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)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• 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)
• 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)

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。