論文の概要: A Hybrid Strategy for Aggregated Probabilistic Forecasting and Energy Trading in HEFTCom2024
- arxiv url: http://arxiv.org/abs/2505.10367v1
- Date: Thu, 15 May 2025 14:55:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-16 22:29:06.368459
- Title: A Hybrid Strategy for Aggregated Probabilistic Forecasting and Energy Trading in HEFTCom2024
- Title（参考訳）: HEFTCom2024における集合確率予測とエネルギー取引のハイブリッド戦略
- Authors: Chuanqing Pu, Feilong Fan, Nengling Tai, Songyuan Liu, Jinming Yu,
- Abstract要約: 本稿では,IEEE Hybrid Energy Forecasting and Trading Competition 2024(HEFTCom2024)の学生チームの中で,第3位,第4位,第1位にランクインしたチームGABのソリューションを提案する。
このソリューションは、風洞ハイブリッドシステムの正確な確率予測を提供し、日頭電気市場における実質的なトレーディング収益を達成する。
- 参考スコア（独自算出の注目度）: 0.11650821883155187
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Obtaining accurate probabilistic energy forecasts and making effective decisions amid diverse uncertainties are routine challenges in future energy systems. This paper presents the solution of team GEB, which ranked 3rd in trading, 4th in forecasting, and 1st among student teams in the IEEE Hybrid Energy Forecasting and Trading Competition 2024 (HEFTCom2024). The solution provides accurate probabilistic forecasts for a wind-solar hybrid system, and achieves substantial trading revenue in the day-ahead electricity market. Key components include: (1) a stacking-based approach combining sister forecasts from various Numerical Weather Predictions (NWPs) to provide wind power forecasts, (2) an online solar post-processing model to address the distribution shift in the online test set caused by increased solar capacity, (3) a probabilistic aggregation method for accurate quantile forecasts of hybrid generation, and (4) a stochastic trading strategy to maximize expected trading revenue considering uncertainties in electricity prices. This paper also explores the potential of end-to-end learning to further enhance the trading revenue by adjusting the distribution of forecast errors. Detailed case studies are provided to validate the effectiveness of these proposed methods. Code for all mentioned methods is available for reproduction and further research in both industry and academia.
- Abstract（参考訳）: 様々な不確実性の中で正確な確率的エネルギー予測と効果的な決定を行うことは、将来のエネルギーシステムにおける日常的な課題である。
本稿では,IEEE Hybrid Energy Forecasting and Trading Competition 2024(HEFTCom2024)の学生チームの中で,第3位,第4位,第1位にランクインしたチームGABのソリューションを提案する。
このソリューションは、風洞ハイブリッドシステムの正確な確率予測を提供し、日頭電気市場における実質的なトレーディング収益を達成する。
主な構成要素は,(1)各種数値天気予報(NWP)の姉妹予測を組み合わせて風力予測を行い,(2)太陽光容量の増加によるオンラインテストセットの分布変化に対応するオンラインソーラー後処理モデル,(3)ハイブリッド発電の正確な定量化予測のための確率的集計手法,(4)電力価格の不確実性を考慮した取引収益を最大化する確率的トレーディング戦略である。
また,予測誤差の分布を調整し,取引収益をさらに向上するエンド・ツー・エンド・ラーニングの可能性についても検討する。
提案手法の有効性を検証するための詳細な事例研究を行っている。
前述のすべての方法のコードは、産業とアカデミアの両方で再生およびさらなる研究のために利用可能である。
関連論文リスト
- Conformal Prediction for Electricity Price Forecasting in the Day-Ahead and Real-Time Balancing Market [0.0]
再生可能エネルギーの電気市場への統合は 価格安定に重大な課題をもたらします
本研究では, Conformal Prediction (CP) 技術を用いた確率的価格予測の強化について検討した。
本稿では,量子レグレッションモデルの効率と時系列適応CP手法の強靭なカバレッジ特性を組み合わせたアンサンブル手法を提案する。
論文 参考訳（メタデータ） (2025-02-07T13:57:47Z) - Hybrid Forecasting of Geopolitical Events [71.73737011120103]
SAGEは、人間と機械が生成した予測を組み合わせたハイブリッド予測システムである。
このシステムは、確率と評価されたスキルに基づいて、人間と機械の予測の重み付けを集約する。
機械による予測にアクセスできる熟練した予測者は、過去のデータしか見ていない者よりも優れていた。
論文 参考訳（メタデータ） (2024-12-14T22:09:45Z) - 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) - Conformal Prediction for Stochastic Decision-Making of PV Power in Electricity Markets [0.0]
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。
論文 参考訳（メタデータ） (2024-03-29T12:34:57Z) - Probabilistic Forecasting of Real-Time Electricity Market Signals via Interpretable Generative AI [41.99446024585741]
Weak Innovation AutoEncoderをベースとしたGenerative Probabilistic ForecastingアーキテクチャであるWIAE-GPFを提案する。
構造収束を保証する新しい学習アルゴリズムを提案し、生成した予測サンプルが基底真理条件付き確率分布と一致することを保証した。
論文 参考訳（メタデータ） (2024-03-09T00:41:30Z) - 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) - A two-step machine learning approach to statistical post-processing of
weather forecasts for power generation [0.0]
風と太陽のエネルギー源は非常に揮発性があり、グリッドオペレーターの計画が困難である。
本研究では、アンサンブル天気予報の校正のための2段階の機械学習に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2022-07-15T16:38:14Z) - The impact of online machine-learning methods on long-term investment
decisions and generator utilization in electricity markets [69.68068088508505]
電力需要プロファイルを24時間以内に予測するために,オフライン11とオンライン5の学習アルゴリズムが与える影響を調査した。
最良オフラインアルゴリズムと比較して,オンラインアルゴリズムを用いて平均絶対誤差を30%削減できることを示した。
また,予測精度の大きな誤差は,17年間の投資に不均等な誤差があることを示す。
論文 参考訳（メタデータ） (2021-03-07T11:28:54Z) - 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。