Fugu-MT 論文翻訳(概要): Real-Time Energy Pricing in New Zealand: An Evolving Stream Analysis

論文の概要: Real-Time Energy Pricing in New Zealand: An Evolving Stream Analysis

arxiv url: http://arxiv.org/abs/2408.16187v1
Date: Thu, 29 Aug 2024 00:53:21 GMT
ステータス: 処理完了
システム内更新日: 2024-08-30 15:25:12.159871
Title: Real-Time Energy Pricing in New Zealand: An Evolving Stream Analysis
Title（参考訳）: ニュージーランドのリアルタイムエネルギー価格:進化するストリーム分析
Authors: Yibin Sun, Heitor Murilo Gomes, Bernhard Pfahringer, Albert Bifet,
Abstract要約: 本稿では,ニュージーランドにおけるリアルタイム時系列とエネルギー価格のストリーミングデータを表す新しいデータセット群を紹介する。データセットは、回帰学習タスクをストリーミングするための適切なデータセットの不足に対処することを意図している。
参考スコア（独自算出の注目度）: 12.679233262168529
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This paper introduces a group of novel datasets representing real-time time-series and streaming data of energy prices in New Zealand, sourced from the Electricity Market Information (EMI) website maintained by the New Zealand government. The datasets are intended to address the scarcity of proper datasets for streaming regression learning tasks. We conduct extensive analyses and experiments on these datasets, covering preprocessing techniques, regression tasks, prediction intervals, concept drift detection, and anomaly detection. Our experiments demonstrate the datasets' utility and highlight the challenges and opportunities for future research in energy price forecasting.
Abstract（参考訳）: 本稿では,ニュージーランド政府が管理するElectricity Market Information (EMI)のウェブサイトから得られた,リアルタイム時系列とニュージーランドのエネルギー価格のストリーミングデータを表す新しいデータセットについて紹介する。データセットは、回帰学習タスクをストリーミングするための適切なデータセットの不足に対処することを意図している。我々はこれらのデータセットに関する広範な分析と実験を行い、前処理技術、回帰タスク、予測間隔、概念ドリフト検出、異常検出を網羅した。実験では,データセットの有用性を実証し,今後のエネルギー価格予測研究の課題と機会を強調した。

関連論文リスト

Towards Data-Efficient Pretraining for Atomic Property Prediction [51.660835328611626]
タスク関連データセットでの事前トレーニングは、大規模な事前トレーニングと一致するか、あるいは超える可能性があることを示す。本稿では,コンピュータビジョンのFr'echet Inception Distanceにインスパイアされた,化学類似度指数(CSI)を紹介する。
論文参考訳（メタデータ） (2025-02-16T11:46:23Z)
Short-Term Electricity-Load Forecasting by Deep Learning: A Comprehensive Survey [21.781972510427263]
短期電力需要予測は、電力システムの即時需要(今後数時間から数日)を予測することを指す。気象の変化や新しい電力消費シナリオの出現など、さまざまな外部要因が電力需要に影響を与える可能性がある。深層学習はSTELFに適用され、高精度な電力需要のモデル化と予測を行っている。
論文参考訳（メタデータ） (2024-08-29T01:47:09Z)
On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
AI技術の信頼性に関する深刻な懸念があった。機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
論文参考訳（メタデータ） (2023-10-24T14:01:53Z)
Electricity Demand Forecasting through Natural Language Processing with Long Short-Term Memory Networks [0.5432724320036955]
この研究は、公共の感情と、輸送と地政学に関連する単語ベクトル表現が、電力需要に時間的連続性をもたらすことを発見した。提案モデルは,信頼区間を狭め,予測分布を真に近づけることで,予測の不確かさを効果的に低減する。
論文参考訳（メタデータ） (2023-09-13T08:28:16Z)
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)
LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
論文参考訳（メタデータ） (2023-06-14T05:48:36Z)
Predicting Future Occupancy Grids in Dynamic Environment with Spatio-Temporal Learning [63.25627328308978]
本稿では,将来の占有予測を生成するための時間的予測ネットワークパイプラインを提案する。現在のSOTAと比較して、我々の手法は3秒の長い水平線での占有を予測している。我々は、さらなる研究を支援するために、nulisに基づくグリッド占有データセットを公開します。
論文参考訳（メタデータ） (2022-05-06T13:45:32Z)
Retiring Adult: New Datasets for Fair Machine Learning [47.27417042497261]
UCIアダルトは、多くのアルゴリズム的公正な介入の開発と比較の基礎として機能している。 UCIアダルトデータのスーパーセットを米国国勢調査資料から再構築し、その外部妥当性を制限するUCIアダルトデータセットの慣用性を明らかにする。私たちの主な貢献は、公正な機械学習の研究のために既存のデータエコシステムを拡張する、一連の新しいデータセットです。
論文参考訳（メタデータ） (2021-08-10T19:19:41Z)
Building power consumption datasets: Survey, taxonomy and future directions [2.389598109913753]
本研究は,建築エネルギー消費データセットの数値的および方法論的性質を調査,研究,可視化するために提案される。地理的な位置,収集期間,監視対象世帯数,収集データのサンプリング率,サブメータ家電数,抽出特徴量,リリース日など,合計31のデータベースを調査・比較した。新たなデータセット、すなわち、注釈付き消費電力異常検出データセットであるカタール大学データセットが提示されている。
論文参考訳（メタデータ） (2020-09-17T10:19:21Z)
Transfer Learning for Electricity Price Forecasting [0.0]
本稿では,他の電力価格市場からの情報を予測に活用する手段として,トランスファーラーニング(Transfer Learning)を提案する。 5つの異なる日頭市場における実験から,移動学習は電力価格予測の性能を統計的に有意な方法で向上させることが示された。
論文参考訳（メタデータ） (2020-07-05T17:24:36Z)

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。