論文の概要: A Few-Shot LLM Framework for Extreme Day Classification in Electricity Markets

• arxiv url: http://arxiv.org/abs/2602.16735v1
• Date: Tue, 17 Feb 2026 20:54:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-20 15:21:28.254141
• Title: A Few-Shot LLM Framework for Extreme Day Classification in Electricity Markets
• Title（参考訳）: 電力市場における極日分類のためのLLMフレームワーク
• Authors: Saud Alghumayjan, Ming Yi, Bolun Xu,
• Abstract要約: 本稿では,Large Language Models (LLMs) に基づく数発の分類手法を提案する。 テキサス電力市場の過去のデータを用いて、この数ショットのアプローチが教師付き機械学習モデルに匹敵するパフォーマンスを達成することを実証する。
• 参考スコア（独自算出の注目度）: 1.0730888578919362
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper proposes a few-shot classification framework based on Large Language Models (LLMs) to predict whether the next day will have spikes in real-time electricity prices. The approach aggregates system state information, including electricity demand, renewable generation, weather forecasts, and recent electricity prices, into a set of statistical features that are formatted as natural-language prompts and fed to an LLM along with general instructions. The model then determines the likelihood that the next day would be a spike day and reports a confidence score. Using historical data from the Texas electricity market, we demonstrate that this few-shot approach achieves performance comparable to supervised machine learning models, such as Support Vector Machines and XGBoost, and outperforms the latter two when limited historical data are available. These findings highlight the potential of LLMs as a data-efficient tool for classifying electricity price spikes in settings with scarce data.
• Abstract（参考訳）: 本稿では,Large Language Models (LLMs) に基づく数発の分類手法を提案する。 このアプローチは、電力需要、再生可能エネルギー、天気予報、最近の電力価格を含むシステムの状態情報を、自然言語のプロンプトとしてフォーマットされ、一般的な指示とともにLLMに供給される統計的な特徴のセットに集約する。 モデルは翌日がスパイクデーになる可能性を決定し、信頼スコアを報告します。 テキサス電力市場の歴史的データを用いて、この数ショットのアプローチは、サポートベクトルマシンやXGBoostのような教師付き機械学習モデルに匹敵する性能を達成し、限られた歴史的データが利用できる場合、後者の2つよりも優れていることを示す。 これらの知見は,データ量が少ない設定で電力価格のスパイクを分類するためのデータ効率ツールとしてのLCMの可能性を強調した。

関連論文リスト

• PriceSeer: Evaluating Large Language Models in Real-Time Stock Prediction [47.70107097572211]
  本稿では,ストック予測タスクを実行する大規模言語モデルを対象としたベンチマークであるPriceSeerを紹介する。 プライスシーアには11の産業セクターから110の米国株が含まれており、それぞれ249の歴史的データポイントが含まれている。 我々は、異なる予測地平の下で6つの最先端LCMを評価し、投資戦略を創出する可能性を実証した。
  論文  参考訳（メタデータ） (2025-12-31T08:35:46Z)
• Benchmarking Pre-Trained Time Series Models for Electricity Price Forecasting [1.1557852082644071]
  我々は、電力価格予測のための確立された統計および機械学習(ML)手法に対して、最先端の事前訓練モデルをいくつかベンチマークする。 ドイツ、フランス、オランダ、オーストリア、ベルギーの2024日の日頭オークション(DAA)の電力価格を用いて、1日当たりの予想を下方修正する。 Chronos-BoltとTime-MoEはTSFMの中でも最強で、従来のモデルと同等のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-06-09T18:10:00Z)
• NSW-EPNews: A News-Augmented Benchmark for Electricity Price Forecasting with LLMs [0.5172964916120903]
  NSW-EPNewsは,実世界の電力価格予測において時系列モデルと大規模言語モデル(LLM)を共同で評価する最初のベンチマークである。 データセットには、ニューサウスウェールズ州(2015-2024)から17万5000時間以上のスポット価格、毎日の温度測定、WattClarityからのマーケットニューズサマリーのキュレーションが含まれている。
  論文  参考訳（メタデータ） (2025-05-22T02:13:30Z)
• From Dense to Sparse: Event Response for Enhanced Residential Load Forecasting [48.22398304557558]
  住宅負荷予測のためのイベント応答型知識ガイド手法(ERKG)を提案する。 ERKGは、異なる家電の電力使用状況の推定、負荷系列からのイベント関連スパース知識のマイニングを取り入れている。
  論文  参考訳（メタデータ） (2025-01-06T05:53:38Z)
• LLMForecaster: Improving Seasonal Event Forecasts with Unstructured Textual Data [63.777637042161544]
  本稿では,非構造化意味情報と文脈情報と履歴データを組み込むために,大規模言語モデルを微調整した新しい予測ポストプロセッサを提案する。 産業規模の小売アプリケーションでは, ホリデードリブン需要の急激な上昇にともなう数種類の製品に対して, 本手法が統計的に有意な改善を予測できることが実証された。
  論文  参考訳（メタデータ） (2024-12-03T16:18:42Z)
• BreakGPT: Leveraging Large Language Models for Predicting Asset Price Surges [55.2480439325792]
  本稿では,時系列予測や資産価格の急上昇の予測に特化して,新たな大規模言語モデル(LLM)アーキテクチャであるBreakGPTを紹介する。 我々は、最小限のトレーニングで財務予測を行うための有望なソリューションとしてBreakGPTを紹介し、局所的およびグローバルな時間的依存関係をキャプチャする強力な競合相手として紹介する。
  論文  参考訳（メタデータ） (2024-11-09T05:40:32Z)
• Forecasting Day-Ahead Electricity Prices in the Integrated Single Electricity Market: Addressing Volatility with Comparative Machine Learning Methods [0.552480439325792]
  本稿では,アイルランド総合電力市場を中心に,電力価格予測手法の総合的な検討を行う。 本研究の主な目的は,様々な予測モデルの性能を評価し,比較することである。 この論文は、毎日のEU天然ガス価格が、ヘンリー・ハブ天然ガス価格よりもアイルランドの電力価格予測に有用な特徴であることを実証している。
  論文  参考訳（メタデータ） (2024-08-10T20:43:21Z)
• Machine learning applications for electricity market agent-based models: A systematic literature review [68.8204255655161]
  エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。 エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。 我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
  論文  参考訳（メタデータ） (2022-06-05T14:52:26Z)
• Validation Methods for Energy Time Series Scenarios from Deep Generative Models [55.41644538483948]
  一般的なシナリオ生成アプローチでは、データ分散に関する前提なしにシナリオを生成するディープ生成モデル(DGM)を使用する。 エネルギーシナリオ生成文献における現在使われている検証手法の批判的評価を行う。 過去のデータと生成されたデータの両方に4つの検証手法を適用し、検証結果の解釈と、一般的な誤り、落とし穴、検証方法の限界について議論する。
  論文  参考訳（メタデータ） (2021-10-27T14:14:25Z)
• Transfer Learning for Electricity Price Forecasting [0.0]
  本稿では,他の電力価格市場からの情報を予測に活用する手段として,トランスファーラーニング(Transfer Learning)を提案する。 5つの異なる日頭市場における実験から,移動学習は電力価格予測の性能を統計的に有意な方法で向上させることが示された。
  論文  参考訳（メタデータ） (2020-07-05T17:24:36Z)

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。