論文の概要: PeakFocus: Bridging Peak Localization and Intensity Regression via a Unified Multi-Scale Framework for Electricity Load Forecasting
- arxiv url: http://arxiv.org/abs/2605.21550v1
- Date: Wed, 20 May 2026 11:22:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-22 20:14:18.463947
- Title: PeakFocus: Bridging Peak Localization and Intensity Regression via a Unified Multi-Scale Framework for Electricity Load Forecasting
- Title（参考訳）: PeakFocus: 電力負荷予測のための統一マルチスケールフレームワークによるピークローカライゼーションとインテンシティ回帰のブリッジ
- Authors: Wangzhi Yu, Peng Zhu, Qing Zhao, Yiwen Jiang, Dawei Cheng,
- Abstract要約: 電力負荷ピーク予測(ELPF)のための統合フレームワークPeakFocusを提案する。
UPAP(Unified Peak-Aware Pipeline)は、三重ハイブリッド損失を利用して、時間的局所化と強度回帰を共同で監督する。
マルチスケール混合ピークロケータ(MSM-PL)は,局所変動によるピーク偏差を軽減するために粗粒度特性を利用する。
位置対応デコーダ(LAD)は、ピークタイミングコンテキストを強度回帰プロセスに注入し、強度平滑化に対抗するための明確なガイダンスを提供する。
- 参考スコア（独自算出の注目度）: 22.524268685709984
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Electricity load peak forecasting (ELPF), simultaneously predicting peak timing and intensity, is a prerequisite for effective grid scheduling and risk management. However, existing methods face three limitations. First, they adopt a two-stage predict-then-locate paradigm, which severs the link between temporal localization and intensity regression. Second, they still struggle with the multi-scale representation conflict, leading to peak misjudgment and timing misalignment. Third, the lack of explicit peak timing context during intensity regression causes intensity smoothing because predictions are dominated by global smoothing trends. To address these limitations, we propose PeakFocus, a unified framework for ELPF. (i) A Unified Peak-Aware Pipeline (UPAP) utilizes a triple hybrid loss to jointly supervise temporal localization and intensity regression, alongside a tolerance-based evaluation protocol. (ii) A Multi-Scale Mixing Peak Locator (MSM-PL) exploits coarse-grained features to mitigate peak misjudgment caused by local fluctuations, and injects them into fine-grained features via a cascade mechanism to resolve timing misalignment. (iii) A Location-Aware Decoder (LAD) injects peak timing context into the intensity regression process, providing explicit guidance to counteract intensity smoothing and improve peak intensity estimation. Extensive experiments on the public Electricity (ELC) dataset and our industrial-scale World Large-scale Electricity Load (WLEL) dataset show that PeakFocus outperforms baselines in both timing precision and intensity estimation.
- Abstract（参考訳）: 電力負荷ピーク予測(ELPF)は、ピークタイミングと強度を同時に予測するものであり、効果的なグリッドスケジューリングとリスク管理の前提条件である。
しかし、既存の手法には3つの制限がある。
まず、時間的局所化と強度回帰の関係を分離する2段階の予測-then-locateパラダイムを採用する。
第二に、彼らは依然としてマルチスケールの表現紛争に苦戦しており、ピーク時の誤判断とタイミングの誤認につながっている。
第3に、過度回帰中の明示的なピークタイミングコンテキストの欠如は、予測がグローバルなスムーズな傾向に支配されているため、強度スムージングを引き起こす。
これらの制約に対処するため,我々はLPFの統一フレームワークであるPeakFocusを提案する。
一 統一ピーク対応パイプライン(UPAP)は、三重ハイブリッド損失を利用して、トレランスに基づく評価プロトコルとともに、時間的局所化と強度回帰を共同で監督する。
二 マルチスケール混合ピークロケータ(MSM-PL)は、局所的なゆらぎによるピーク偏差を軽減し、カスケード機構を介して微細な特徴に注入し、タイミング偏差を解消する。
三 位置認識デコーダ(LAD)は、強度回帰プロセスにピークタイミングコンテキストを注入し、強度平滑化に対抗するための明確なガイダンスを提供し、ピーク強度推定を改善する。
The public Electricity (ELC) data and our industrial-scale World Large-scale Electricity Load (WLEL) data shows that PeakFocus are outperforms baselines in both timingcision and intensity Estimation。
関連論文リスト
- Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。
NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
論文 参考訳（メタデータ） (2026-05-21T16:45:31Z) - PACT: Peak-Aware Cross-Attention Graph Transformers for Efficient Storm-Surge Emulation [2.2700970936022244]
駅レベルのストームサージ予測を効率的に行うために,ピーク対応のクロスアテンショングラフ変換器であるPACTを提案する。
PACTは、各フォースパッチをグラフとして表現し、GraphSAGEで空間構造をエンコードし、学習されたステーションクエリを使用してノード情報を集約する。
米国北東部海岸沿いの干潮帯のステーションでは、RMSEとMAEの双方で強い時間的グラフニューラルネットワークのベースラインを上回っている。
論文 参考訳（メタデータ） (2026-05-09T16:22:13Z) - GIRL: Generative Imagination Reinforcement Learning via Information-Theoretic Hallucination Control [0.0]
GIRL(Generative Imagination Reinforcement Learning)は、この障害モードに2つの重要なコンポーネントで対処する潜在的世界モデルフレームワークである。
GIRLは、DreamerV3に対するタスク間の遅延ロールアウトドリフトを38～61%削減し、リターンを改善し、長距離タスクでの環境相互作用を少なくする。
蒸留前の変種はオーバーヘッドを減らし、フルモデルに対する計算効率を向上させる。
論文 参考訳（メタデータ） (2026-04-08T17:14:21Z) - Baguan-TS: A Sequence-Native In-Context Learning Model for Time Series Forecasting with Covariates [31.296823831987748]
Baguan-TSは、3Dトランスフォーマーによってインスタンス化されるICLと生系列表現学習を統合している。
i) キャリブレーションとトレーニング安定性, 特徴に依存しない目標空間検索に基づく局所キャリブレーション, および (ii) コンテクストオーバーフィッティング戦略によって緩和された出力過スムージングの2つの主要なハードルに対処する。
論文 参考訳（メタデータ） (2026-03-18T07:24:19Z) - GEM-TFL: Bridging Weak and Full Supervision for Forgery Localization through EM-Guided Decomposition and Temporal Refinement [24.929199892659636]
Temporal Forgery Localizationは、ビデオやオーディオストリーム内で操作されたセグメントを正確に識別することを目的としており、マルチメディアの法医学とセキュリティの解釈可能な証拠を提供する。
しかし、Wakly Supervised TFL (WS-TFL) は、バイナリビデオレベルラベルからのみ学習することでラベリングコストを削減する。
GEM-TFLは,学習と推論の監督のギャップを効果的に埋める2段階の分類回帰フレームワークである。
論文 参考訳（メタデータ） (2026-03-05T12:07:26Z) - DFPO: Scaling Value Modeling via Distributional Flow towards Robust and Generalizable LLM Post-Training [94.568675548967]
実環境における訓練強化学習(RL)システムは、ノイズの多い監視とドメイン外の一般化が不十分なため、依然として困難である。
近年の分布RL法は、複数の量子点を持つ値をモデル化することでロバスト性を向上させるが、スカラーとして各量子点を独立に学習する。
DFPOは、時間ステップをまたいだ連続フローとして値をモデル化する、ロバストな分散RLフレームワークである。
論文 参考訳（メタデータ） (2026-02-05T17:07:42Z) - Anchoring Values in Temporal and Group Dimensions for Flow Matching Model Alignment [61.80228667422234]
VGPOは時間次元とグループ次元の両方で値の推定を再定義する。
スパース端末の報酬を密度の高いプロセス認識値推定に変換する。
標準群正規化を絶対値によって強化された新しいプロセスに置き換え、安定した最適化信号を維持する。
論文 参考訳（メタデータ） (2025-12-13T16:31:26Z) - Continual Action Quality Assessment via Adaptive Manifold-Aligned Graph Regularization [53.82400605816587]
アクション品質アセスメント(AQA)は、ビデオにおける人間の行動を定量化し、スポーツスコアリング、リハビリテーション、スキル評価の応用を支援する。
大きな課題は、現実世界のシナリオにおける品質分布の非定常的な性質にある。
本稿では,進化する分布を扱うための連続学習機能を備えた連続AQA(Continuous AQA)を紹介する。
論文 参考訳（メタデータ） (2025-10-08T10:09:47Z) - Elucidated Rolling Diffusion Models for Probabilistic Weather Forecasting [52.6508222408558]
Eucidated Rolling Diffusion Models (ERDM)を紹介する。
ERDMはEucidated Diffusion Models (EDM) の原理的, 性能的設計とローリング予測構造を統一する最初のフレームワークである
2D Navier-StokesシミュレーションとERA5グローバル気象予報の1.5円解像度では、ERDMはキー拡散ベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2025-06-24T21:44:31Z) - MGCP: A Multi-Grained Correlation based Prediction Network for Multivariate Time Series [54.91026286579748]
本稿では,マルチグラインド相関に基づく予測ネットワークを提案する。
予測性能を高めるために3段階の相関を同時に検討する。
注意機構に基づく予測器と条件判別器を用いて、粗い粒度の予測結果を最適化する。
論文 参考訳（メタデータ） (2024-05-30T03:32:44Z)
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。