論文の概要: Extending Load Forecasting from Zonal Aggregates to Individual Nodes for Transmission System Operators

• arxiv url: http://arxiv.org/abs/2510.14983v1
• Date: Tue, 02 Sep 2025 23:20:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-07 19:06:32.066393
• Title: Extending Load Forecasting from Zonal Aggregates to Individual Nodes for Transmission System Operators
• Title（参考訳）: トランスミッション・システム・オペレータのための粒子集合体から個々のノードへの負荷予測
• Authors: Oskar Triebe, Fletcher Passow, Simon Wittner, Leonie Wagner, Julio Arend, Tao Sun, Chad Zanocco, Marek Miltner, Arezou Ghesmati, Chen-Hao Tsai, Christoph Bergmeir, Ram Rajagopal,
• Abstract要約: 伝送系演算子(TSO)は高解像度の負荷予測を必要とする。 ノイズ負荷は予測よりも正確ではなく、多数の個別の予測を必要とする。 我々は、時間ごとの日頭負荷予測のための演算子のニーズを満たすマルチレベルシステムを開発した。
• 参考スコア（独自算出の注目度）: 6.264080042754659
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The reliability of local power grid infrastructure is challenged by sustainable energy developments increasing electric load uncertainty. Transmission System Operators (TSOs) need load forecasts of higher spatial resolution, extending current forecasting operations from zonal aggregates to individual nodes. However, nodal loads are less accurate to forecast and require a large number of individual forecasts, which are hard to manage for the human experts assessing risks in the control room's daily operations (operator). In collaboration with a TSO, we design a multi-level system that meets the needs of operators for hourly day-ahead load forecasting. Utilizing a uniquely extensive dataset of zonal and nodal net loads, we experimentally evaluate our system components. First, we develop an interpretable and scalable forecasting model that allows for TSOs to gradually extend zonal operations to include nodal forecasts. Second, we evaluate solutions to address the heterogeneity and volatility of nodal load, subject to a trade-off. Third, our system is manageable with a fully parallelized single-model forecasting workflow. Our results show accuracy and interpretability improvements for zonal forecasts, and substantial improvements for nodal forecasts. In practice, our multi-level forecasting system allows operators to adjust forecasts with unprecedented confidence and accuracy, and to diagnose otherwise opaque errors precisely.
• Abstract（参考訳）: 電力網インフラの信頼性は、電力負荷の不確実性を増加させる持続的なエネルギー開発に課題がある。 伝送系演算子(TSO)は、より高解像度の負荷予測を必要とし、現在の予測操作を粒子集合から個々のノードに拡張する。 しかし、夜間負荷は予測よりも正確ではなく、多数の個人予測が必要であり、制御室の日常業務(オペレーター)におけるリスクを評価する人間の専門家にとって管理が困難である。 TSOと協調して、1時間ごとの負荷予測のための演算子のニーズを満たすマルチレベルシステムを設計する。 特別に広範囲な帯状および結節性ネット負荷のデータセットを用いて,システムコンポーネントを実験的に評価した。 まず,TSOが粒子操作を段階的に拡張し,能動予測を組み込むことのできる解釈可能かつスケーラブルな予測モデルを開発する。 第2に,トレードオフ条件下での節負荷の不均一性とボラティリティに対処する解を評価する。 第3に,システムは完全に並列化された単一モデル予測ワークフローで管理可能である。 以上の結果から, 粒子予測の精度と解釈可能性の向上, および高潮予測の大幅な改善が示された。 実際には、我々のマルチレベル予測システムは、前例のない信頼性と精度で予測を調整し、そうでなければ不透明なエラーを正確に診断することができる。

関連論文リスト

• Supervised Dynamic Dimension Reduction with Deep Neural Network [3.0040661953201475]
  本稿では,新しい動的主成分分析フレームワークであるSupervised Deep Dynamic principalを提案する。 我々は、元の予測を教師付きでスケーリングすることで、ターゲット対応予測器を構築する。 次に、ターゲット認識予測器上で主成分分析を行い、推定されたSDDP因子を抽出する。
  論文  参考訳（メタデータ） (2025-08-05T15:15:30Z)
• OneForecast: A Universal Framework for Global and Regional Weather Forecasting [67.61381313555091]
  本稿では,グラフニューラルネットワークに基づくグローバルなネスト型気象予報フレームワーク(OneForecast)を提案する。 動的システムパースペクティブとマルチグリッド理論を組み合わせることで,マルチスケールグラフ構造を構築し,対象領域を密度化する。 動的ゲーティングユニットを用いた適応型メッセージング機構を導入し,ノードとエッジ機能を深く統合し,より正確なイベント予測を行う。
  論文  参考訳（メタデータ） (2025-02-01T06:49:16Z)
• 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)
• Aardvark weather: end-to-end data-driven weather forecasting [30.219727555662267]
  Aardvark Weatherは、エンドツーエンドのデータ駆動型天気予報システムである。 生の観測を取り込み、グローバルなグリッド化された予測とローカルステーションの予測を出力する。 興味事の量よりもパフォーマンスを最大化するために、エンドツーエンドに最適化することができる。
  論文  参考訳（メタデータ） (2024-03-30T16:41:24Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2023-10-17T20:30:16Z)
• PreDiff: Precipitation Nowcasting with Latent Diffusion Models [28.52267957954304]
  確率的予測が可能な条件付き潜伏拡散モデルを開発した。 予測をドメイン固有の物理的制約と整合させるために、明示的な知識アライメント機構を組み込んだ。
  論文  参考訳（メタデータ） (2023-07-19T19:19:13Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2022-06-16T06:13:53Z)
• 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。