論文の概要: Multi-Resolution, Multi-Horizon Distributed Solar PV Power Forecasting with Forecast Combinations

• arxiv url: http://arxiv.org/abs/2206.10795v1
• Date: Wed, 22 Jun 2022 01:27:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-23 15:29:53.178787
• Title: Multi-Resolution, Multi-Horizon Distributed Solar PV Power Forecasting with Forecast Combinations
• Title（参考訳）: マルチリゾリューション・マルチ水平分散ソーラーPV電力予測とフォアキャストの組み合わせ
• Authors: Maneesha Perera, Julian De Hoog, Kasun Bandara and Saman Halgamuge
• Abstract要約: 我々は,5つの最先端予測モデルと,複数の解像度と地平線における既存予測組み合わせの性能に関する知見を提供する。 本稿では,粒子群最適化(PSO)に基づく予測組み合わせ手法を提案する。
• 参考スコア（独自算出の注目度）: 2.126171264016785
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Distributed, small-scale solar photovoltaic (PV) systems are being installed at a rapidly increasing rate. This can cause major impacts on distribution networks and energy markets. As a result, there is a significant need for improved forecasting of the power generation of these systems at different time resolutions and horizons. However, the performance of forecasting models depends on the resolution and horizon. Forecast combinations (ensembles), that combine the forecasts of multiple models into a single forecast may be robust in such cases. Therefore, in this paper, we provide comparisons and insights into the performance of five state-of-the-art forecast models and existing forecast combinations at multiple resolutions and horizons. We propose a forecast combination approach based on particle swarm optimization (PSO) that will enable a forecaster to produce accurate forecasts for the task at hand by weighting the forecasts produced by individual models. Furthermore, we compare the performance of the proposed combination approach with existing forecast combination approaches. A comprehensive evaluation is conducted using a real-world residential PV power data set measured at 25 houses located in three locations in the United States. The results across four different resolutions and four different horizons show that the PSO-based forecast combination approach outperforms the use of any individual forecast model and other forecast combination counterparts, with an average Mean Absolute Scaled Error reduction by 3.81% compared to the best performing individual model. Our approach enables a solar forecaster to produce accurate forecasts for their application regardless of the forecast resolution or horizon.
• Abstract（参考訳）: 分散型で小規模な太陽光発電システム(PV)が急速に普及している。 これは流通ネットワークやエネルギー市場に大きな影響を与える可能性がある。 その結果、異なる時間分解能と地平線でこれらのシステムの発電予測を改善するための大きなニーズがある。 しかし、予測モデルの性能は解像度と地平線に依存する。 複数のモデルの予測を単一の予測に組み合わせる予測の組み合わせ(アンサンブル)はそのような場合、堅牢である。 そこで本稿では,最新の5つの予測モデルと既存の予測の組み合わせを,複数の解像度と地平線で比較・考察する。 本研究では,個別モデルによる予測の重み付けにより,予測者が目の前のタスクの正確な予測を行うことができるpso( particle swarm optimization)に基づく予測組合せ手法を提案する。 さらに,提案手法の性能と既存の予測手法との比較を行った。 総合的な評価は、米国の3つの場所にある25軒の住宅で測定された実世界の住宅用pv電力データセットを用いて行われる。 4つの異なる解像度と4つの異なる水平線にわたる結果から、PSOベースの予測組み合わせアプローチは、最も優れた個々のモデルと比較して平均3.81%の誤差削減率で、個々の予測モデルや他の予測組み合わせよりも優れていることが示されている。 提案手法により, 太陽予報装置は, 予測解像度や地平線に関わらず, 正確な予測を行うことができる。

関連論文リスト

• An ensemble of data-driven weather prediction models for operational sub-seasonal forecasting [0.08106028186803123]
  運用可能なマルチモデルアンサンブル天気予報システムを提案する。 データ駆動型天気予報モデルを用いたマルチモデルアンサンブル手法により、最先端のサブシーズン・シーズン・シーズン予測を実現することができる。
  論文  参考訳（メタデータ） (2024-03-22T20:01:53Z)
• Attention-Based Ensemble Pooling for Time Series Forecasting [55.2480439325792]
  本稿では,候補モデル予測よりも重み付き平均値を実行するプーリング法を提案する。 本手法は,非定常ロレンツ63方程式の動力学の多段階予測と,COVID-19による週次死亡事故の1段階予測という2つの時系列予測問題に対して試行する。
  論文  参考訳（メタデータ） (2023-10-24T22:59:56Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2023-10-17T20:30:16Z)
• Forecast reconciliation for vaccine supply chain optimization [61.13962963550403]
  ワクチンサプライチェーン最適化は階層的な時系列予測の恩恵を受けることができる。 異なる階層レベルの予測は、上位レベルの予測が下位レベルの予測の総和と一致しないときに不整合となる。 我々は2010年から2021年にかけてのGSKの販売データを階層的時系列としてモデル化し,ワクチン販売予測問題に取り組む。
  論文  参考訳（メタデータ） (2023-05-02T14:34:34Z)
• A two-step machine learning approach to statistical post-processing of weather forecasts for power generation [0.0]
  風と太陽のエネルギー源は非常に揮発性があり、グリッドオペレーターの計画が困難である。 本研究では、アンサンブル天気予報の校正のための2段階の機械学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2022-07-15T16:38:14Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2022-06-16T06:13:53Z)
• Computing the ensemble spread from deterministic weather predictions using conditional generative adversarial networks [0.0]
  本稿では,深層学習アルゴリズムを用いて,アンサンブル予測システムの統計的特性を学習することを提案する。 訓練が終わると、将来のアンサンブル予測を得るためには、コストのかかるアンサンブル予測システムがもはや不要になる。
  論文  参考訳（メタデータ） (2022-05-18T19:10:38Z)
• Calibration of wind speed ensemble forecasts for power generation [0.0]
  過去数十年間、風力発電は欧州連合で2番目に大きな電力供給源となり、電力需要の16%を占めた。 そのボラティリティのため、風力エネルギーを電気グリッドにうまく統合するには、正確な短距離風力予測が必要である。 生のアンサンブルと比較すると,ポストプロセッシングは常に確率的および精度の高い点予測のキャリブレーションを改善する。
  論文  参考訳（メタデータ） (2021-04-30T11:18:03Z)
• Probabilistic electric load forecasting through Bayesian Mixture Density Networks [70.50488907591463]
  確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。 ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。 後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
  論文  参考訳（メタデータ） (2020-12-23T16:21:34Z)
• 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)
• A framework for probabilistic weather forecast post-processing across models and lead times using machine learning [3.1542695050861544]
  我々はNWPモデルと意思決定支援の「理想的な」予測とのギャップを埋める方法について述べる。 本研究では,各数値モデルの誤差プロファイルの学習にQuantile Regression Forestsを使用し,これを経験から得られた確率分布を予測に適用する。 第2に、これらの確率予測を量子平均化(quantile averaging)を用いて組み合わせ、第3に、集合量子化の間で補間して完全な予測分布を生成する。
  論文  参考訳（メタデータ） (2020-05-06T16:46:02Z)

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。