論文の概要: Empirical evaluation of Time Series Foundation Models for Day-ahead and Imbalance Electricity Price Forecasting in Belgium

• arxiv url: http://arxiv.org/abs/2605.17045v1
• Date: Sat, 16 May 2026 15:30:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:47.51278
• Title: Empirical evaluation of Time Series Foundation Models for Day-ahead and Imbalance Electricity Price Forecasting in Belgium
• Title（参考訳）: ベルギーにおける日頭・不均衡電力価格予測のための時系列基礎モデルの実証評価
• Authors: Chi Bui, Maria Margarida Mascarenhas, Arnaud Verstraeten, Hussain Kazmi,
• Abstract要約: Time Series Foundation Models (TSFM) はタスク固有の最小限のトレーニングでゼロショット予測機能を約束する。 本研究は,ベルギーのデイアヘッドの予測と電力価格の不均衡に対するTSFMの系統的評価を提供する。 TSFMは真のゼロショット予測スキルを示すが、極端な市場条件下では苦戦している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recent advances in Time Series Foundation Models (TSFMs) promise zero-shot forecasting capabilities with minimal task-specific training. While these models have shown strong performance across generic benchmarks, their applicability in volatile, complex electricity markets remains underexplored. Addressing this gap, this study provides a systematic empirical evaluation of several TSFMs, specifically Chronos-2 and Chronos-Bolt (developed by Amazon), and TimesFM 2.5 (provided by Google), for forecasting Belgian day-ahead and imbalance electricity prices. For both considered markets, Chronos-2 in ARX mode produces the most accurate forecasts. Compared with the best ensemble prediction from other machine learning methods, Chronos-2's Mean Absolute Error (MAE) is 5% lower for the day-ahead market. In contrast, the model yields 10% higher MAE predicting imbalance prices across all forecast horizons, except for the two-hour-ahead horizon. Moreover, we find that TSFMs exhibit genuine zero-shot forecasting skills but still struggle under extreme market conditions.
• Abstract（参考訳）: 時系列基礎モデル(TSFM)の最近の進歩は、タスク固有の最小限のトレーニングでゼロショット予測能力を約束している。 これらのモデルは一般的なベンチマークで強い性能を示しているが、揮発性で複雑な電気市場における適用性はいまだに未定である。 このギャップに対処するため、この研究はいくつかのTSFM、特にChronos-2とChronos-Bolt(Amazonが開発した)とTimesFM 2.5(Googleによって開発された)を体系的に評価し、ベルギーの日頭と不均衡な電気価格を予測する。 どちらの市場も、ARXモードのChronos-2が最も正確な予測を生成する。 他の機械学習手法による最高のアンサンブル予測と比較すると、Chronos-2の平均絶対誤差(MAE)は日頭市場で5%低い。 対照的に、モデルでは2時間の地平線を除いて、すべての予測地平線で不均衡価格を予測するMAEが10%高くなる。 さらに、TSFMは真のゼロショット予測スキルを示すが、極端な市場条件下では苦戦している。

関連論文リスト

• Assessing the Performance-Efficiency Trade-off of Foundation Models in Probabilistic Electricity Price Forecasting [0.0]
  大規模な再生可能エネルギーの展開は、電力系統に顕著なボラティリティを導入し、グリッドの運用を複雑な最適化問題に変える。 正確な電力価格予測(EPF)は、運用上の決定を支援するだけでなく、経済リスクの低減や市場効率の向上にも不可欠である。 正確な予測を生成するためにどのモデルを使うべきかという疑問が残る。これらはタスク固有の機械学習(ML)モデルか、時系列基礎モデル(TSFM)なのか?
  論文  参考訳（メタデータ） (2026-04-16T07:53:38Z)
• Leveraging Asynchronous Cross-border Market Data for Improved Day-Ahead Electricity Price Forecasting in European Markets [0.0]
  ベルギー(BE)とスウェーデンの入札地域では,予測精度が22%,9%向上した。 この改善は、一般および極端な市場条件の両方に当てはまる。 頻繁なモデル再校正は最大精度には必要だが、かなりの計算コストがかかる。
  論文  参考訳（メタデータ） (2025-07-17T15:59:00Z)
• 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)
• ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
  非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。 また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。 提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
  論文  参考訳（メタデータ） (2024-02-02T10:34:13Z)
• A Hybrid Model for Forecasting Short-Term Electricity Demand [59.372588316558826]
  現在、英国電気市場は、規制当局が30分毎に発行する負荷(需要)予測によってガイドされている。 本稿では,機能工学(候補予測機能の選択),移動ウィンドウ予測,LSTMエンコーダデコーダを組み合わせたハイブリッド予測モデルHYENAを提案する。
  論文  参考訳（メタデータ） (2022-05-20T22:13:25Z)
• Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
  本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
  論文  参考訳（メタデータ） (2021-09-14T18:50:38Z)
• Ensemble Forecasting for Intraday Electricity Prices: Simulating Trajectories [0.0]
  近年の研究では、時間単位のドイツの日内連続市場は弱い状態にあることが示されている。 時間内電力価格の確率予測は、トレーディングウィンドウ毎に軌跡をシミュレートして行う。 この調査は、過去3時間でドイツの日内連続市場における価格分布を予測することを目的としているが、このアプローチは、特にヨーロッパでは、他の連続市場への適用を可能にする。
  論文  参考訳（メタデータ） (2020-05-04T10:21:20Z)

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。