論文の概要: Causal Effect Estimation with Global Probabilistic Forecasting: A Case Study of the Impact of Covid-19 Lockdowns on Energy Demand

• arxiv url: http://arxiv.org/abs/2209.08885v1
• Date: Mon, 19 Sep 2022 09:39:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-20 17:07:13.020174
• Title: Causal Effect Estimation with Global Probabilistic Forecasting: A Case Study of the Impact of Covid-19 Lockdowns on Energy Demand
• Title（参考訳）: グローバル確率予測による因果効果の推定:コビッド19のロックダウンがエネルギー需要に与える影響を事例として
• Authors: Ankitha Nandipura Prasanna, Priscila Grecov, Angela Dieyu Weng, Christoph Bergmeir
• Abstract要約: 外部介入の不確実性が電力需要に与える影響を分析する必要がある。 本稿では,介入の因果的影響分布を推定するために,ディープラーニングアプローチを用いる。 コビッド19のロックダウンがエネルギー消費に与える影響を事例として考察する。
• 参考スコア（独自算出の注目度）: 2.126171264016785
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The electricity industry is heavily implementing smart grid technologies to improve reliability, availability, security, and efficiency. This implementation needs technological advancements, the development of standards and regulations, as well as testing and planning. Smart grid load forecasting and management are critical for reducing demand volatility and improving the market mechanism that connects generators, distributors, and retailers. During policy implementations or external interventions, it is necessary to analyse the uncertainty of their impact on the electricity demand to enable a more accurate response of the system to fluctuating demand. This paper analyses the uncertainties of external intervention impacts on electricity demand. It implements a framework that combines probabilistic and global forecasting models using a deep learning approach to estimate the causal impact distribution of an intervention. The causal effect is assessed by predicting the counterfactual distribution outcome for the affected instances and then contrasting it to the real outcomes. We consider the impact of Covid-19 lockdowns on energy usage as a case study to evaluate the non-uniform effect of this intervention on the electricity demand distribution. We could show that during the initial lockdowns in Australia and some European countries, there was often a more significant decrease in the troughs than in the peaks, while the mean remained almost unaffected.
• Abstract（参考訳）: 電気産業は、信頼性、可用性、セキュリティ、効率性を改善するためにスマートグリッド技術を実装している。 この実装には、技術進歩、標準と規制の開発、およびテストと計画が必要である。 スマートグリッドの負荷予測と管理は、需要のボラティリティの低減と、ジェネレータ、ディストリビュータ、小売業者をつなぐ市場メカニズムの改善に不可欠である。 政策実施や外部介入の間は、より正確なシステム応答による需要変動を可能にするために、電力需要への影響の不確実性を分析する必要がある。 本稿では、電力需要に対する外部介入の影響の不確実性を分析する。 ディープラーニングを用いた確率的予測モデルとグローバル予測モデルを組み合わせたフレームワークを実装し、介入の因果的影響分布を推定する。 因果効果は、影響を受けるインスタンスの偽物分布結果を予測し、実際の結果と対比することにより評価される。 我々は、この介入が電力需要分布に与える影響を不均一に評価するためのケーススタディとして、Covid-19ロックダウンがエネルギー消費に与える影響を検討する。 オーストラリアや一部のヨーロッパ諸国でのロックダウンでは、ピーク時よりもトラフが大幅に減少する傾向が見られたが、平均は影響を受けなかった。

関連論文リスト

• Performative Prediction on Games and Mechanism Design [69.7933059664256]
  エージェントが過去の正確性に基づいて予測を信頼するかを判断する集団リスクジレンマについて検討する。 予測が集合的な結果を形成するにつれて、社会福祉は関心の指標として自然に現れる。 よりよいトレードオフを実現し、それらをメカニズム設計に使用する方法を示します。
  論文  参考訳（メタデータ） (2024-08-09T16:03:44Z)
• Performative Time-Series Forecasting [71.18553214204978]
  我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。 本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。 新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
  論文  参考訳（メタデータ） (2023-10-09T18:34:29Z)
• Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
  エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。 本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。 評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-07-14T06:50:02Z)
• Meta-Regression Analysis of Errors in Short-Term Electricity Load Forecasting [0.0]
  本稿では,短期電力負荷予測の精度に影響を与える要因を考察するメタ回帰分析(MRA)を提案する。 59の研究で公表された421の予測モデルから得られたデータを利用する。 LSTMアプローチとニューラルネットワークと他のアプローチの組み合わせが最高の予測方法であることがわかった。
  論文  参考訳（メタデータ） (2023-05-29T18:26:51Z)
• Electricity Price Forecasting Model based on Gated Recurrent Units [0.0]
  本稿では, Gated Recurrent Units に基づく電力価格予測モデルを提案する。 電力価格の騒音は分析の効率と効率を著しく低下させる。 提案手法は電力価格の予測に有効である。
  論文  参考訳（メタデータ） (2022-07-28T16:49:03Z)
• Machine learning applications for electricity market agent-based models: A systematic literature review [68.8204255655161]
  エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。 エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。 我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
  論文  参考訳（メタデータ） (2022-06-05T14:52:26Z)
• Forecasting Electricity Prices [0.0]
  電力システムの安定性は、生産と消費のバランスを一定に保つことを要求する。 断続的再生可能エネルギー源の急速な拡大は、コストのかかる蓄電容量の増加によって相殺されない。 比較的擬似的な計量(あるいは統計)モデルから、より複雑で理解しにくいものへのシフトがある。 ケーススタディは、異なるモデルから得られた価格予測に基づいて、スケジューリングやトレーディング戦略の利益を比較する。
  論文  参考訳（メタデータ） (2022-04-25T15:46:26Z)
• Electrical peak demand forecasting- A review [7.5337868245858255]
  本稿では,本論文におけるピーク負荷予測手法の概要について概説する。 本稿では,まず,ピーク負荷需要予測の正確かつ統一的な問題定義について述べる。 第2に,ピーク負荷予測手法に関する139の論文を体系的にレビューした。 第3に,ピーク負荷予測手法の比較分析を要約し,予測性能を改善するための最適化手法について述べる。
  論文  参考訳（メタデータ） (2021-08-03T10:04:33Z)
• 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)
• Analyzing the Effects of COVID-19 Pandemic on the Energy Demand: the Case of Northern Italy [7.331287001215395]
  電力需要プロファイルの分析は、全体的な経済動向に関する洞察を提供する。 我々は,イタリア北部の集積電力需要を推定する多層フィードフォワードニューラルネットワークを用いた。 Googleのモビリティレポートデータを用いて、ロックダウン期間中の移動行動の変化と相関する。
  論文  参考訳（メタデータ） (2020-11-09T17:05:40Z)
• Physics-Informed Gaussian Process Regression for Probabilistic States Estimation and Forecasting in Power Grids [67.72249211312723]
  電力グリッドの効率的な運転にはリアルタイム状態推定と予測が不可欠である。 PhI-GPRは3世代電力系統の位相角,角速度,風力の予測と推定に使用される。 提案手法は観測された状態と観測されていない状態の両方を正確に予測し,推定することができることを示す。
  論文  参考訳（メタデータ） (2020-10-09T14:18:31Z)

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。