論文の概要: Benchmarks and Custom Package for Energy Forecasting
- arxiv url: http://arxiv.org/abs/2307.07191v2
- Date: Fri, 04 Oct 2024 07:13:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-07 15:08:01.149927
- Title: Benchmarks and Custom Package for Energy Forecasting
- Title(参考訳): エネルギー予測のためのベンチマークとカスタムパッケージ
- Authors: Zhixian Wang, Qingsong Wen, Chaoli Zhang, Liang Sun, Leandro Von Krannichfeldt, Shirui Pan, Yi Wang,
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 55.460452605056894
- License:
- Abstract: Energy (load, wind, photovoltaic) forecasting is significant in the power industry as it can provide a reference for subsequent tasks such as power grid dispatch, thus bringing huge economic benefits. However, there are many differences between energy forecasting and traditional time series forecasting. On the one hand, traditional time series mainly focus on capturing characteristics like trends and cycles. In contrast, the energy series is largely influenced by many external factors, such as meteorological and calendar variables. On the other hand, energy forecasting aims to minimize the cost of subsequent tasks such as power grid dispatch, rather than simply pursuing prediction accuracy. In addition, the scale of energy data can also significantly impact the predicted results. In this paper, we collected large-scale load datasets and released a new renewable energy dataset that contains both station-level and region-level renewable generation data with meteorological data. For load data, we also included load domain-specific feature engineering and provided a method to customize the loss function and link the forecasting error to requirements related to subsequent tasks (such as power grid dispatching costs), integrating it into our forecasting framework. Based on such a situation, we conducted extensive experiments with 21 forecasting methods in these energy datasets at different levels under 11 evaluation metrics, providing a comprehensive reference for researchers to compare different energy forecasting models.
- Abstract(参考訳): エネルギー(負荷、風力、太陽光発電)の予測は電力業界において重要なものであり、電力グリッドディスパッチのようなその後のタスクへの参照を提供することができるため、大きな経済的利益をもたらす。
しかし、エネルギー予測と伝統的な時系列予測には多くの違いがある。
一方、伝統的な時系列は、主にトレンドやサイクルといった特徴を捉えることに重点を置いている。
対照的に、エネルギー系列は気象や暦の変数など、多くの外部要因に影響を受けている。
一方、エネルギー予測は、単に予測精度を追求するのではなく、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。
さらに、エネルギーデータのスケールが予測結果に大きく影響する可能性がある。
本稿では,大規模負荷データセットを収集し,気象データを用いた局レベルおよび地域レベルの再生可能データを含む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。
負荷データにはロードドメイン固有の機能エンジニアリングが含まれており、損失関数をカスタマイズし、予測エラーをその後のタスクに関連する要件(電力グリッドのディスパッチコストなど)にリンクし、予測フレームワークに統合する方法を提供する。
このような状況を踏まえ、我々は11の評価基準の下で、21の予測手法を用いて広範囲に実験を行い、研究者が異なるエネルギー予測モデルを比較するための総合的な基準を提供する。
関連論文リスト
- Efficient mid-term forecasting of hourly electricity load using generalized additive models [0.0]
本稿では,解釈可能なP-スプラインから構築され,自己回帰後処理によって強化された一般化付加モデル(GAM)を用いた新しい予測手法を提案する。
提案手法は欧州24カ国の負荷データに基づいて評価される。
論文 参考訳(メタデータ) (2024-05-27T11:41:41Z) - Predictive Churn with the Set of Good Models [64.05949860750235]
近似機械学習モデルの集合に対する競合予測の効果について検討する。
ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。
当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
論文 参考訳(メタデータ) (2024-02-12T16:15:25Z) - ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
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) - Analysis of Weather and Time Features in Machine Learning-aided ERCOT
Load Forecasting [0.2184775414778289]
本研究は,短期システム全体の総負荷を予測するための入力機能の一部として,さまざまな時間と天気情報を取得する機械学習(ML)モデルを開発する。
同じ地域の実際の負荷と過去の気象データを処理し、その後MLモデルのトレーニングに使用した。
ケーススタディでは、ESROT負荷予測のための異なる天候と時間入力特性で訓練されたMLモデルの有効性が実証された。
論文 参考訳(メタデータ) (2023-10-13T00:46:12Z) - 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) - A Unifying Framework of Attention-based Neural Load Forecasting [6.470432799969585]
負荷予測のための統合型ディープラーニングフレームワークを提案する。
これには、時間的な特徴重み付け、階層的時間的注意、特徴強化エラー修正が含まれる。
我々のフレームワークは、電力負荷予測問題に対する効果的な解決策を提供する。
論文 参考訳(メタデータ) (2023-05-08T22:46:54Z) - Prediction-Oriented Bayesian Active Learning [51.426960808684655]
予測情報ゲイン(EPIG)は、パラメータではなく予測空間における情報ゲインを測定する。
EPIGは、さまざまなデータセットやモデルにわたるBALDと比較して、予測パフォーマンスが向上する。
論文 参考訳(メタデータ) (2023-04-17T10:59:57Z) - Frugal day-ahead forecasting of multiple local electricity loads by
aggregating adaptive models [0.0]
フランスにおける配電網の変電所の日頭電力負荷予測に着目する。
そこで我々は,パラメータの数を削減し,伝達学習を実現するフラジカル変種を開発した。
私たちは、運用アプリケーションにとって重要なモデルの解釈可能性を強調します。
論文 参考訳(メタデータ) (2023-02-16T10:17:19Z) - Random vector functional link neural network based ensemble deep
learning for short-term load forecasting [14.184042046855884]
本稿では,電力負荷予測のための新しいアンサンブルディープランダム関数リンク(edRVFL)を提案する。
隠されたレイヤは、深い表現学習を強制するために積み上げられます。
モデルは各層の出力をアンサンブルすることで予測を生成する。
論文 参考訳(メタデータ) (2021-07-30T01:20:48Z) - Towards More Fine-grained and Reliable NLP Performance Prediction [85.78131503006193]
NLPタスクのパフォーマンス予測の改善に2つの貢献をしている。
まず,F1やBLEUのような総合的な精度測定のための性能予測器について検討する。
次に,信頼区間とキャリブレーションの2つの角度から性能予測モデルの信頼性を理解する手法を提案する。
論文 参考訳(メタデータ) (2021-02-10T15:23:20Z) - 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)
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。