論文の概要: A Hybrid Model for Forecasting Short-Term Electricity Demand
- arxiv url: http://arxiv.org/abs/2205.10449v1
- Date: Fri, 20 May 2022 22:13:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-24 15:04:29.210128
- Title: A Hybrid Model for Forecasting Short-Term Electricity Demand
- Title(参考訳): 短期電力需要予測のためのハイブリッドモデル
- Authors: Maria Eleni Athanasopoulou, Justina Deveikyte, Alan Mosca, Ilaria Peri
and Alessandro Provetti
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 59.372588316558826
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Currently the UK Electric market is guided by load (demand) forecasts
published every thirty minutes by the regulator. A key factor in predicting
demand is weather conditions, with forecasts published every hour. We present
HYENA: a hybrid predictive model that combines feature engineering (selection
of the candidate predictor features), mobile-window predictors and finally LSTM
encoder-decoders to achieve higher accuracy with respect to mainstream models
from the literature. HYENA decreased MAPE loss by 16\% and RMSE loss by 10\%
over the best available benchmark model, thus establishing a new state of the
art for the UK electric load (and price) forecasting.
- Abstract(参考訳): 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。
需要予測の重要な要因は気象条件であり、天気予報は毎時発行される。
本稿では,特徴工学(候補予測器の選定)とモバイルウィンドウ予測器,最後は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。
hyena は mape の損失を 16\% 削減し、rmse の損失を最高のベンチマークモデルよりも 10\% 削減した。
関連論文リスト
- ExtremeCast: Boosting Extreme Value Prediction for Global Weather
Forecast [61.138475638813354]
非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。
また,ExEnsembleという名称のトレーニングフリーな極値拡張戦略を導入し,画素値のばらつきを増大させ,予測ロバスト性を向上させる。
提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
論文 参考訳(メタデータ) (2024-02-02T10:34:13Z) - 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) - Long-term drought prediction using deep neural networks based on
geospatial weather data [78.63225885697149]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
多様な時間的ニューラルネットワークモデルを用いたエンドツーエンドアプローチを導入することで、干ばつデータに対処する。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳(メタデータ) (2023-09-12T13:28:06Z) - Electricity Demand Forecasting with Hybrid Statistical and Machine
Learning Algorithms: Case Study of Ukraine [0.0]
提案手法は2013年から2020年までのウクライナの電力消費の時間データを用いて構築された。
我々のハイブリッドモデルは、時間分解能で長期電力消費を予測するのに非常に効果的である。
論文 参考訳(メタデータ) (2023-04-11T12:15:50Z) - Beyond S-curves: Recurrent Neural Networks for Technology Forecasting [60.82125150951035]
我々は機械学習と時系列予測の最近の進歩を生かしたオートコーダアプローチを開発した。
S曲線予測は、単純なARIMAベースラインに匹敵する平均パーセンテージ誤差(MAPE)を示す。
我々のオートエンコーダアプローチは、2番目に高い結果に対して平均13.5%改善する。
論文 参考訳(メタデータ) (2022-11-28T14:16:22Z) - 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) - 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) - A generative adversarial network approach to (ensemble) weather
prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。
提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文 参考訳(メタデータ) (2020-06-13T20:53:17Z) - Wind speed prediction using a hybrid model of the multi-layer perceptron
and whale optimization algorithm [1.032905038435237]
風力発電は再生可能エネルギー源であり、多くの経済的、環境的、社会的利益がある。
再生可能風力発電を向上・制御するためには,風速を高精度に予測するモデルを活用することが不可欠である。
論文 参考訳(メタデータ) (2020-02-14T19:29:33Z)
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。