論文の概要: Combining predictive distributions of electricity prices: Does
minimizing the CRPS lead to optimal decisions in day-ahead bidding?
- arxiv url: http://arxiv.org/abs/2308.15443v1
- Date: Tue, 29 Aug 2023 17:10:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-30 13:00:25.294024
- Title: Combining predictive distributions of electricity prices: Does
minimizing the CRPS lead to optimal decisions in day-ahead bidding?
- Title(参考訳): 電力価格の予測分布の組み合わせ:CRPSの最小化は日頭入札における最適決定につながるか?
- Authors: Weronika Nitka and Rafa{\l} Weron
- Abstract要約: 本研究では,新しい重み付け手法であるCRPS学習を用いることで,日頭入札における最適決定が導かれるかどうかを検討する。
アンサンブルの多様性の増大は精度に肯定的な影響を与える可能性がある。
分布の等重集約と比較してCRPS学習を使用する場合の計算コストは、高い利益によって相殺されない。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Probabilistic price forecasting has recently gained attention in power
trading because decisions based on such predictions can yield significantly
higher profits than those made with point forecasts alone. At the same time,
methods are being developed to combine predictive distributions, since no model
is perfect and averaging generally improves forecasting performance. In this
article we address the question of whether using CRPS learning, a novel
weighting technique minimizing the continuous ranked probability score (CRPS),
leads to optimal decisions in day-ahead bidding. To this end, we conduct an
empirical study using hourly day-ahead electricity prices from the German EPEX
market. We find that increasing the diversity of an ensemble can have a
positive impact on accuracy. At the same time, the higher computational cost of
using CRPS learning compared to an equal-weighted aggregation of distributions
is not offset by higher profits, despite significantly more accurate
predictions.
- Abstract(参考訳): このような予測に基づく決定は、ポイント予測だけで行うものよりも著しく高い利益をもたらす可能性があるため、近年、電力取引において確率的価格予測が注目されている。
モデルが完璧ではなく,平均化によって予測性能が向上するため,予測分布を組み合わせる手法が開発されている。
本稿では,CRPS(Continuous Rank probability score, CRPS)を最小化する新しい重み付け手法であるCRPS学習を用いることで,日頭入札における最適決定が導かれるかという課題に対処する。
この目的のために、ドイツepex市場から1時間当たりの電力価格を用いて実証研究を行う。
アンサンブルの多様性の増大は精度に肯定的な影響を与える可能性がある。
同時に、分布の等重集約と比較してCRPS学習を使用する場合の計算コストは、より正確な予測にもかかわらず、より高い利益によって相殺されない。
関連論文リスト
- Bayesian Hierarchical Probabilistic Forecasting of Intraday Electricity
Prices [0.0]
本稿では,ドイツの日内取引市場における電力価格のベイズ予測に関する第1報について述べる。
検証には2022年の極端に不安定な電力価格を使用します。
我々は,電気価格予測における機能選択にLASSOを用いるという宣言されたゴールド標準に挑戦し,オルソゴンマッチング・パースーツ(OMP)がより良い予測性能をもたらすという強い統計的証拠を提示する。
論文 参考訳(メタデータ) (2024-03-08T16:51:27Z) - 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) - 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) - Diffusion Variational Autoencoder for Tackling Stochasticity in
Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。
多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。
深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。
本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文 参考訳(メタデータ) (2023-08-18T16:21:15Z) - Electricity Price Prediction for Energy Storage System Arbitrage: A
Decision-focused Approach [4.992622806418143]
電力価格予測はエネルギー貯蔵システム(ESS)管理において重要な役割を担っている。
現在の予測モデルは、予測エラーを減らすことに重点を置いているが、下流の意思決定への影響を見落としている。
本稿では,下流最適化モデルから予測モデルへのギャップを埋めるため,ESS調停のための意思決定型電力価格予測手法を提案する。
論文 参考訳(メタデータ) (2023-04-30T00:43:26Z) - Multivariate Probabilistic Forecasting of Intraday Electricity Prices
using Normalizing Flows [62.997667081978825]
ドイツでは、日内電気価格は通常、EPEXスポット市場の1日当たりの価格に異なる時間帯で変動する。
本研究は,日頭契約の日内価格差をモデル化する確率論的モデリング手法を提案する。
論文 参考訳(メタデータ) (2022-05-27T08:38:20Z) - 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) - Taming Overconfident Prediction on Unlabeled Data from Hindsight [50.9088560433925]
ラベルのないデータに対する予測の不確実性を最小化することは、半教師付き学習において優れた性能を達成するための鍵となる要素である。
本稿では,アダプティブシャーニング(Adaptive Sharpening, ADS)と呼ばれる2つのメカニズムを提案する。
ADSは、プラグインにすることで最先端のSSLメソッドを大幅に改善する。
論文 参考訳(メタデータ) (2021-12-15T15:17:02Z) - Right Decisions from Wrong Predictions: A Mechanism Design Alternative
to Individual Calibration [107.15813002403905]
意思決定者は、しばしば不完全な確率予測に頼る必要がある。
本稿では,予測ユーティリティが実際に取得したユーティリティと一致することを保証する補償機構を提案する。
本研究では、乗客が飛行遅延確率に基づいて、個々の旅行計画をどのように確実に最適化できるかを示すアプリケーションを示す。
論文 参考訳(メタデータ) (2020-11-15T08:22:39Z) - Probabilistic multivariate electricity price forecasting using implicit
generative ensemble post-processing [0.0]
我々は、多変量電力価格シナリオを生成するために、点予測モデルのアンサンブルに基づく、可能性のない暗黙的生成モデルを使用する。
我々のアンサンブル後処理法は、確立されたモデル組合せベンチマークより優れている。
我々の手法はドメイン固有のエキスパートモデルの集合の上で機能するため、他の予測タスクに容易にデプロイできる。
論文 参考訳(メタデータ) (2020-05-27T15:22:10Z) - Ensemble Forecasting for Intraday Electricity Prices: Simulating
Trajectories [0.0]
近年の研究では、時間単位のドイツの日内連続市場は弱い状態にあることが示されている。
時間内電力価格の確率予測は、トレーディングウィンドウ毎に軌跡をシミュレートして行う。
この調査は、過去3時間でドイツの日内連続市場における価格分布を予測することを目的としているが、このアプローチは、特にヨーロッパでは、他の連続市場への適用を可能にする。
論文 参考訳(メタデータ) (2020-05-04T10:21:20Z)
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。