Fugu-MT 論文翻訳(概要): Conformal Prediction for Stochastic Decision-Making of PV Power in Electricity Markets

論文の概要: Conformal Prediction for Stochastic Decision-Making of PV Power in Electricity Markets

arxiv url: http://arxiv.org/abs/2403.20149v1
Date: Fri, 29 Mar 2024 12:34:57 GMT
ステータス: 処理完了
システム内更新日: 2024-04-01 15:44:18.829672
Title: Conformal Prediction for Stochastic Decision-Making of PV Power in Electricity Markets
Title（参考訳）: 電力市場におけるPV電力の確率的決定のコンフォーマル予測
Authors: Yvet Renkema, Nico Brinkel, Tarek Alskaif,
Abstract要約: コンフォメーション予測(CP)は、日々の太陽光発電電力予測の確率予測手法である。 CPを特定の入札戦略と組み合わせることで、エネルギーの不均衡を最小限に抑えて高い利益を得ることができる。具体的には、k-アネレスト近傍の共形予測システムと無作為な森林回帰の後にモンドリアン・ビンニングを用いると、最良の利益が得られる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This paper studies the use of conformal prediction (CP), an emerging probabilistic forecasting method, for day-ahead photovoltaic power predictions to enhance participation in electricity markets. First, machine learning models are used to construct point predictions. Thereafter, several variants of CP are implemented to quantify the uncertainty of those predictions by creating CP intervals and cumulative distribution functions. Optimal quantity bids for the electricity market are estimated using several bidding strategies under uncertainty, namely: trust-the-forecast, worst-case, Newsvendor and expected utility maximization (EUM). Results show that CP in combination with k-nearest neighbors and/or Mondrian binning outperforms its corresponding linear quantile regressors. Using CP in combination with certain bidding strategies can yield high profit with minimal energy imbalance. In concrete, using conformal predictive systems with k-nearest neighbors and Mondrian binning after random forest regression yields the best profit and imbalance regardless of the decision-making strategy. Combining this uncertainty quantification method with the EUM strategy with conditional value at risk (CVaR) can yield up to 93\% of the potential profit with minimal energy imbalance.
Abstract（参考訳）: 本稿では,電力市場への参入を促進するために,新たな確率予測手法であるコンフォメーション予測(CP)の日頭太陽光発電電力予測への応用について検討する。まず、機械学習モデルを用いて点予測を構築する。その後、CP間隔と累積分布関数を作成することにより、これらの予測の不確かさを定量化するために、いくつかのCPの変種が実装される。電力市場のための最適な量入札は、不確実性下にあるいくつかの入札戦略、すなわち、信頼の予測、最悪のケース、ニューズベンダー、期待されるユーティリティ最大化(EUM)を用いて推定される。その結果, CPとk-アネレスト近傍および/またはモンドリアン結合は, 対応する線形量子的回帰器よりも優れていた。 CPを特定の入札戦略と組み合わせることで、エネルギーの不均衡を最小限に抑えて高い利益を得ることができる。具体的には、k-アネレスト近隣とモンドリアン林の無作為な回帰の後、共形予測システムを用いることで、意思決定戦略にかかわらず、最良の利益と不均衡が得られる。この不確実性定量化法とEUM戦略とリスク条件値(CVaR)を組み合わせることで、エネルギー不均衡を最小限に抑え、潜在的利益の最大93%を得ることができる。

関連論文リスト

Probabilistic Conformal Prediction with Approximate Conditional Validity [81.30551968980143]
本研究では,共形手法の柔軟性と条件分布の推定を組み合わせ,予測セットを生成する手法を開発した。我々の手法は、条件付きカバレッジの観点から既存の手法よりも一貫して優れています。
論文参考訳（メタデータ） (2024-07-01T20:44:48Z)
Postprocessing of point predictions for probabilistic forecasting of day-ahead electricity prices: The benefits of using isotonic distributional regression [0.0]
本研究では,日頭電力価格の点予測を確率的値に変換するための3つのポストプロセッシング手法について検討する。後者は最も多様な振る舞いを示すが、予測分布のアンサンブルに最も寄与する。注目すべきことに、この組み合わせのパフォーマンスは、ドイツとスペインの電力市場から4.5年間のテスト期間において、最先端の分散ディープニューラルネットワークよりも優れている。
論文参考訳（メタデータ） (2024-04-02T19:50:36Z)
Model-Based Epistemic Variance of Values for Risk-Aware Policy Optimization [59.758009422067]
モデルベース強化学習における累積報酬に対する不確実性を定量化する問題を考察する。我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式(UBE)を提案する。本稿では,リスク・サーキングとリスク・アバース・ポリシー最適化のいずれにも適用可能な汎用ポリシー最適化アルゴリズムQ-Uncertainty Soft Actor-Critic (QU-SAC)を導入する。
論文参考訳（メタデータ） (2023-12-07T15:55:58Z)
Combining predictive distributions of electricity prices: Does minimizing the CRPS lead to optimal decisions in day-ahead bidding? [0.0]
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。
論文参考訳（メタデータ） (2023-08-29T17:10:38Z)
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)
Empirical Asset Pricing via Ensemble Gaussian Process Regression [4.111899441919165]
我々のアンサンブル学習アプローチは、GPR推論に固有の計算複雑性を著しく減少させる。本手法は,統計的,経済的に既存の機械学習モデルを支配している。これは不確実な投資家にアピールし、S&P500を上回る等級と重み付けの予測対象ポートフォリオを圧倒的に上回っている。
論文参考訳（メタデータ） (2022-12-02T09:37:29Z)
CovarianceNet: Conditional Generative Model for Correct Covariance Prediction in Human Motion Prediction [71.31516599226606]
本稿では,将来の軌道の予測分布に関連する不確かさを正確に予測する手法を提案する。我々のアプローチであるCovariaceNetは、ガウス潜在変数を持つ条件付き生成モデルに基づいている。
論文参考訳（メタデータ） (2021-09-07T09:38:24Z)
Probabilistic Gradient Boosting Machines for Large-Scale Probabilistic Regression [51.770998056563094]
PGBM(Probabilistic Gradient Boosting Machines)は、確率的予測を生成する手法である。既存の最先端手法と比較してPGBMの利点を実証的に示す。
論文参考訳（メタデータ） (2021-06-03T08:32:13Z)
A Probabilistic Forecast-Driven Strategy for a Risk-Aware Participation in the Capacity Firming Market [30.828362290032935]
本稿では,グリッド接続型再生可能発電プラントとキャパシティホルディング市場における蓄電池装置のエネルギー管理について述べる。近年開発された「正規化フロー」と呼ばれる深層学習モデルを用いて再生可能生成の定量的予測を生成する。
論文参考訳（メタデータ） (2021-05-28T13:13:07Z)
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。