論文の概要: Value-oriented forecast reconciliation for renewables in electricity markets

• arxiv url: http://arxiv.org/abs/2501.16086v1
• Date: Mon, 27 Jan 2025 14:35:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-28 13:59:23.298314
• Title: Value-oriented forecast reconciliation for renewables in electricity markets
• Title（参考訳）: 電力市場における再生可能エネルギーの価値指向予測調整
• Authors: Honglin Wen, Pierre Pinson,
• Abstract要約: 本稿では,個人エージェントの予測値に着目した,価値指向の予測調整手法を提案する。 具体的には、各エージェントが自身のゲインを最適化することを目的とした協調交渉ゲームとして、この問題をモデル化する。 アプリケーションの観点からは、重み付け割当ルールを用いて利益を分配する集約型風力エネルギー取引問題を考える。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Forecast reconciliation is considered an effective method for achieving coherence and improving forecast accuracy. However, the value of reconciled forecasts in downstream decision-making tasks has been mostly overlooked. In a multi-agent setup with heterogeneous loss functions, this oversight may lead to unfair outcomes, hence resulting in conflicts during the reconciliation process. To address this, we propose a value-oriented forecast reconciliation approach that focuses on the forecast value for individual agents. Fairness is ensured through the use of a Nash bargaining framework. Specifically, we model this problem as a cooperative bargaining game, where each agent aims to optimize their own gain while contributing to the overall reconciliation process. We then present a primal-dual algorithm for parameter estimation based on empirical risk minimization. From an application perspective, we consider an aggregated wind energy trading problem, where profits are distributed using a weighted allocation rule. We demonstrate the effectiveness of our approach through several numerical experiments, showing that it consistently results in increased profits for all agents involved.
• Abstract（参考訳）: 予測整合性はコヒーレンスの実現と予測精度の向上に有効な方法と考えられる。 しかし、下流の意思決定タスクにおける調整された予測の価値はほとんど見過ごされてきている。 不均一な損失関数を持つマルチエージェントのセットアップでは、この監視は不公平な結果をもたらし、和解プロセス中に衝突を引き起こす。 そこで本研究では,個々のエージェントの予測値に着目した,価値指向の予測調整手法を提案する。 公平性は、Nash交渉フレームワークを使用することによって保証される。 具体的には、この問題を協調交渉ゲームとしてモデル化し、各エージェントは、全体の和解プロセスに寄与しながら、自身の利益を最適化することを目的としている。 次に、経験的リスク最小化に基づくパラメータ推定のための原始双対アルゴリズムを提案する。 アプリケーションの観点からは、重み付け割当ルールを用いて利益を分配する集約型風力エネルギー取引問題を考える。 提案手法の有効性をいくつかの数値実験により実証し, 関係するエージェントの利益が一貫した結果となることを示した。

関連論文リスト

• Achieving Fairness in Predictive Process Analytics via Adversarial Learning [50.31323204077591]
  本稿では、デバイアスフェーズを予測ビジネスプロセス分析に組み込むことの課題に対処する。 本研究の枠組みは, 4つのケーススタディで検証し, 予測値に対する偏り変数の寄与を著しく低減することを示した。
  論文  参考訳（メタデータ） (2024-10-03T15:56:03Z)
• Understanding Fairness Surrogate Functions in Algorithmic Fairness [21.555040357521907]
  フェアネスの定義とフェアネスのサロゲート関数の間には、サロゲートとフェアネスのギャップがあることが示される。 我々は、不公平を緩和するギャップを反復的に減少させる「バランスド・サロゲート」という、新規で一般的なアルゴリズムを精査する。
  論文  参考訳（メタデータ） (2023-10-17T12:40:53Z)
• Arbitrariness Lies Beyond the Fairness-Accuracy Frontier [3.383670923637875]
  我々は,最先端のフェアネス介入が,グループフェアネスと精度の指標よりも高い予測倍率を隠蔽できることを示した。 より一貫した予測を確実に保証するフェアネス介入に適用可能なアンサンブルアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-06-15T18:15:46Z)
• Statistical Learning with Sublinear Regret of Propagator Models [3.1755820123640612]
  本稿では,未知の畳み込みプロパゲータによって駆動される過渡的な衝撃価格と,未知のパラメータを持つ線形仮的衝撃価格の両方を作成しながら,エージェントが危険資産を清算する学習問題を考察する。 本稿では,探索と搾取を交互に行うトレーディングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-12T17:16:27Z)
• Benefits of Permutation-Equivariance in Auction Mechanisms [90.42990121652956]
  競売人の収益を最大化しつつ、競売人の過去の後悔を最小限にする競売メカニズムは、経済学において重要であるが複雑な問題である。 ニューラルネットワークによる最適なオークションメカニズムの学習を通じて、注目すべき進歩が達成されている。
  論文  参考訳（メタデータ） (2022-10-11T16:13:25Z)
• Optimal reconciliation with immutable forecasts [9.25906680708985]
  我々は、変数の既定部分集合の予測が変化しない、あるいは「不変」であるような調整手法を定式化する。 我々は,我々のアプローチがベース予測の偏りを保っていることを証明した。 また,予測誤差の相関を考慮し,予測の非負性を保証する。
  論文  参考訳（メタデータ） (2022-04-20T05:23:31Z)
• Monotonic Improvement Guarantees under Non-stationarity for Decentralized PPO [66.5384483339413]
  我々は,MARL(Multi-Agent Reinforcement Learning)における分散政策の最適化のための新しい単調改善保証を提案する。 本研究では,訓練中のエージェント数に基づいて,独立した比率を限定することにより,信頼領域の制約を原則的に効果的に実施可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-31T20:39:48Z)
• Trustworthy Multimodal Regression with Mixture of Normal-inverse Gamma Distributions [91.63716984911278]
  このアルゴリズムは、異なるモードの適応的統合の原理における不確かさを効率的に推定し、信頼できる回帰結果を生成する。 実世界のデータと実世界のデータの両方に対する実験結果から,多モード回帰タスクにおける本手法の有効性と信頼性が示された。
  論文  参考訳（メタデータ） (2021-11-11T14:28:12Z)
• Combining Task Predictors via Enhancing Joint Predictability [53.46348489300652]
  そこで本研究では,目標予測能力に基づいて参照の関連性を測定し,その関連性を高めるための新しい予測器組合せアルゴリズムを提案する。 提案アルゴリズムはベイズフレームワークを用いて,すべての参照の関連性について共同で評価する。 視覚属性ランキングとマルチクラス分類シナリオから得られた実世界の7つのデータセットの実験に基づいて,本アルゴリズムが性能向上に寄与し,既存の予測器の組み合わせアプローチの適用範囲を広くすることを示した。
  論文  参考訳（メタデータ） (2020-07-15T21:58:39Z)
• The Counterfactual $\chi$-GAN [20.42556178617068]
  因果推論は、しばしば、治療の割り当てが結果から独立していることを要求する反ファクト的枠組みに依存する。 本研究は,CGAN(Counterfactual $chi$-GAN)と呼ばれるGAN(Generative Adversarial Network)に基づくモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-09T17:23:13Z)
• Mixability of Integral Losses: a Key to Efficient Online Aggregation of Functional and Probabilistic Forecasts [72.32459441619388]
  基本混合(および指数的に凹)損失関数を適用して機能的予測を比較し、これらの適応が混合可能であることを証明する(exp-concave)。 主な結果の応用として、確率予測に使用される様々な損失関数が混合可能であることを示す(exp-concave)。
  論文  参考訳（メタデータ） (2019-12-15T14:25:33Z)

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。