論文の概要: Enhanced Renewable Energy Forecasting using Context-Aware Conformal Prediction

• arxiv url: http://arxiv.org/abs/2510.15780v1
• Date: Fri, 17 Oct 2025 16:02:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 20:17:34.703019
• Title: Enhanced Renewable Energy Forecasting using Context-Aware Conformal Prediction
• Title（参考訳）: コンテクスト対応コンフォーマル予測を用いた再生可能エネルギー予測の高速化
• Authors: Alireza Moradi, Mathieu Tanneau, Reza Zandehshahvar, Pascal Van Hentenryck,
• Abstract要約: 本稿では,新しい重み付け方式を用いてコンテキスト対応キャリブレーションセットを構築するための調整校正フレームワークを提案する。 提案手法は, 再生可能エネルギー応用において高い予測信頼性とロバスト性を実現することを実証した。
• 参考スコア（独自算出の注目度）: 15.641461394573499
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Accurate forecasting is critical for reliable power grid operations, particularly as the share of renewable generation, such as wind and solar, continues to grow. Given the inherent uncertainty and variability in renewable generation, probabilistic forecasts have become essential for informed operational decisions. However, such forecasts frequently suffer from calibration issues, potentially degrading decision-making performance. Building on recent advances in Conformal Predictions, this paper introduces a tailored calibration framework that constructs context-aware calibration sets using a novel weighting scheme. The proposed framework improves the quality of probabilistic forecasts at the site and fleet levels, as demonstrated by numerical experiments on large-scale datasets covering several systems in the United States. The results demonstrate that the proposed approach achieves higher forecast reliability and robustness for renewable energy applications compared to existing baselines.
• Abstract（参考訳）: 特に風力発電や太陽光発電などの再生可能エネルギーのシェアが増加し続けており、信頼性の高い電力網運用には正確な予測が不可欠である。 再生可能エネルギー発生における本質的な不確実性と変動性を考えると、確率的予測は情報的運用上の決定に不可欠である。 しかし、このような予測はしばしば校正の問題に悩まされ、意思決定のパフォーマンスが低下する可能性がある。 コンフォーマル予測の最近の進歩に基づき、新しい重み付け方式を用いてコンテキスト認識キャリブレーションセットを構築するための調整されたキャリブレーションフレームワークを提案する。 提案フレームワークは,米国内の複数のシステムをカバーする大規模データセットの数値実験により,現場および艦隊レベルでの確率予測の質を向上する。 提案手法は, 既存のベースラインと比較して, 再生可能エネルギーアプリケーションにおいて高い予測信頼性とロバスト性を実現することを示す。

関連論文リスト

• The Living Forecast: Evolving Day-Ahead Predictions into Intraday Reality [0.688204255655161]
  本稿では,完全確率的日頭予測をトレーニングや再推論なしに日内予測に変換するベイズ更新機構を提案する。 家庭用電力消費と太陽光発電データを用いた実験により, 提案手法は, 可能性, サンプル, 定量, 点ベースで25%の精度で予測精度を向上することを示した。
  論文  参考訳（メタデータ） (2025-10-14T08:25:20Z)
• ScenGAN: Attention-Intensive Generative Model for Uncertainty-Aware Renewable Scenario Forecasting [11.600987173982107]
  本稿では,再生可能エネルギーとディープラーニングの領域における不確実性について考察する。 不確実性認識モデルは、再生可能シナリオ予測のために慎重に設計されている。 処理層における気象情報、予報、歴史的軌跡の統合により、相乗的予測能力が向上する。
  論文  参考訳（メタデータ） (2025-09-21T15:18:51Z)
• 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)
• Calibrated Probabilistic Forecasts for Arbitrary Sequences [58.54729945445505]
  実際のデータストリームは、分散シフトやフィードバックループ、敵アクターによって予測不可能に変化する可能性がある。 データがどのように進化するかに関わらず、有効な不確実性推定を保証するための予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-27T21:46:42Z)
• 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)
• Asset Bundling for Wind Power Forecasting [15.393565192962482]
  本研究は,アセットバンドル,マシンラーニング,予測和解技術を統合したBPR( Bundle-Predict-Reconcile)フレームワークを提案する。 BPRフレームワークはまず中間階層レベル(バンドル)を学習し、続いて資産、バンドル、フリートレベルでの風力発電を予測し、最後にすべての予測を整合性を確保するために調整する。
  論文  参考訳（メタデータ） (2023-09-28T14:56:34Z)
• Incorporating Recklessness to Collaborative Filtering based Recommender Systems [42.956580283193176]
  無謀さは、予測された評価の出力確率分布のばらつきを考慮に入れます。 実験結果から、無謀性はリスクレギュレーションだけでなく、予測の量や品質も改善することが示された。
  論文  参考訳（メタデータ） (2023-08-03T21:34:00Z)
• 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。