論文の概要: Budget-constrained Collaborative Renewable Energy Forecasting Market

• arxiv url: http://arxiv.org/abs/2501.12367v1
• Date: Tue, 21 Jan 2025 18:46:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:21:15.560242
• Title: Budget-constrained Collaborative Renewable Energy Forecasting Market
• Title（参考訳）: 予算制約付き協調再生可能エネルギー予測市場
• Authors: Carla Goncalves, Ricardo J. Bessa, Tiago Teixeira, Joao Vinagre,
• Abstract要約: 分散データオーナシップは、そのようなモデルの成功に重大な障害をもたらす。 時系列予測のためのインセンティブメカニズムを提案する。 その結果、データ販売者にとって大幅な精度の向上と潜在的金銭的利益が示された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Accurate power forecasting from renewable energy sources (RES) is crucial for integrating additional RES capacity into the power system and realizing sustainability goals. This work emphasizes the importance of integrating decentralized spatio-temporal data into forecasting models. However, decentralized data ownership presents a critical obstacle to the success of such spatio-temporal models, and incentive mechanisms to foster data-sharing need to be considered. The main contributions are a) a comparative analysis of the forecasting models, advocating for efficient and interpretable spline LASSO regression models, and b) a bidding mechanism within the data/analytics market to ensure fair compensation for data providers and enable both buyers and sellers to express their data price requirements. Furthermore, an incentive mechanism for time series forecasting is proposed, effectively incorporating price constraints and preventing redundant feature allocation. Results show significant accuracy improvements and potential monetary gains for data sellers. For wind power data, an average root mean squared error improvement of over 10% was achieved by comparing forecasts generated by the proposal with locally generated ones.
• Abstract（参考訳）: 再生可能エネルギー源(RES)からの正確な電力予測は、RES容量の追加を電力システムに統合し、持続可能性目標を実現するために不可欠である。 この研究は、分散化された時空間データを予測モデルに統合することの重要性を強調している。 しかし、分散データオーナシップは、このような時空間モデルの成功に重大な障害をもたらし、データ共有を促進するインセンティブメカニズムを検討する必要がある。 主な貢献は a)予測モデルの比較分析、効率的かつ解釈可能なスプラインLASSO回帰モデルの提案、 b) データ・分析市場内の入札機構は、データ提供者に対して公正な報酬を保証し、買い手及び売り手双方がデータ価格要件を表現できるようにする。 さらに、価格制約を効果的に取り入れ、冗長な特徴割り当てを防止し、時系列予測のためのインセンティブ機構を提案する。 その結果、データ販売者にとって大幅な精度の向上と潜在的金銭的利益が示された。 風力発電データについて,提案した予測を局所的に生成した推定値と比較することにより,平均根平均2乗誤差を10%以上改善した。

関連論文リスト

• On the Impact of PRB Load Uncertainty Forecasting for Sustainable Open RAN [2.526444902695476]
  持続可能なOpen Radio Access Network(O-RAN)アーキテクチャへの移行は、リソース管理に新たな課題をもたらす。 本稿では,確率的予測手法を用いて物理資源ブロック(PRB)負荷を特徴付ける新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-07-19T15:25:20Z)
• F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
  本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。 タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。 従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
  論文  参考訳（メタデータ） (2024-06-23T21:28:50Z)
• Improving Sequential Market Coordination via Value-oriented Renewable Energy Forecasting [3.0665531066360066]
  本稿では,実運用段階においてより効率的にRIEQ(RES Improved Entering Quantities)を決定するために,価値指向予測(value-oriented forecasting)と呼ばれるトレーニングされた予測モデルを提案する。 統計的予測誤差を最小化する従来のモデルとは異なり、我々のアプローチはパラメータを訓練し、DA市場とRT市場の両方で期待される全体の運用コストを最小化する。
  論文  参考訳（メタデータ） (2024-05-15T00:04:08Z)
• Impact of data for forecasting on performance of model predictive control in buildings with smart energy storage [0.0]
  モデルデータ効率を改善するための尺度の予測精度への影響を定量化する。 負荷予測モデルに2年以上のトレーニングデータを使用することで,予測精度が大幅に向上することはなかった。 再使用したモデルと3ヶ月のデータでトレーニングされたモデルでは、ベースラインよりも平均10%高いエラーがあった。
  論文  参考訳（メタデータ） (2024-02-19T21:01:11Z)
• FedWOA: A Federated Learning Model that uses the Whale Optimization Algorithm for Renewable Energy Prediction [0.0]
  本稿では,フェデレート学習モデルについて紹介する。フェデレーション学習モデルは,プロシューマーエネルギーデータに基づいて訓練された局所ニューラルネットワークモデルの重みから,グローバル予測モデルを集約する。 その結果,FedAVGと比較して,MSEでは25%,MAEでは16%の精度でエネルギー予測モデルの精度を効果的に向上できることがわかった。
  論文  参考訳（メタデータ） (2023-09-19T05:44:18Z)
• 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)
• 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)
• Uncertainty-guided Source-free Domain Adaptation [77.3844160723014]
  ソースフリードメイン適応(SFDA)は、事前訓練されたソースモデルのみを使用することで、未ラベルのターゲットデータセットに分類器を適応させることを目的としている。 本稿では、ソースモデル予測の不確実性を定量化し、ターゲット適応の導出に利用することを提案する。
  論文  参考訳（メタデータ） (2022-08-16T08:03:30Z)
• Short-term Renewable Energy Forecasting in Greece using Prophet Decomposition and Tree-based Ensembles [2.6342929563689217]
  本稿では,ギリシャにおける太陽・風力発電予測のための新しいデータセットを提案する。 データセットの次元空間を豊かにする機能エンジニアリングパイプラインが導入されている。 本稿では,エンドツーエンドの予測ツールであるProphetモデルを用いた新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-07-08T13:12:35Z)
• Test-time Collective Prediction [73.74982509510961]
  マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。 エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。 我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
  論文  参考訳（メタデータ） (2021-06-22T18:29:58Z)
• Back2Future: Leveraging Backfill Dynamics for Improving Real-time Predictions in Future [73.03458424369657]
  公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。 過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。 我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
  論文  参考訳（メタデータ） (2021-06-08T14:48:20Z)

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。