論文の概要: Navigating the Safety-Fidelity Trade-off: Massive-Variate Time Series Forecasting for Power Systems via Probabilistic Scenarios

• arxiv url: http://arxiv.org/abs/2606.13338v1
• Date: Thu, 11 Jun 2026 13:27:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.81606
• Title: Navigating the Safety-Fidelity Trade-off: Massive-Variate Time Series Forecasting for Power Systems via Probabilistic Scenarios
• Title（参考訳）: 安全不確実性トレードオフをナビゲートする:確率シナリオによる電力系統の大量変動時系列予測
• Authors: Kaijie Xu, Anqi Wang, Xilin Dai,
• Abstract要約: 我々は,2000から36,964の同時予測チャネルを含む6つの伝送グリッド上に構築された確率予測ベンチマークであるPowerPhaseを紹介する。 PowerPhaseには、Safety_mBrier、NECV、CVaR-alphaなど、CRPSとDistortionを補完する制約対応メトリクスが付属している。 本稿では,タイプ固有の復号ヘッドと可変群間の因果ブリッジを備えたシナリオベースの量子化予測器PowerForgeを提案する。
• 参考スコア（独自算出の注目度）: 10.427750990118875
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Probabilistic forecasting models are increasingly deployed on multivariate systems with distinct channel physics and operational constraints, but existing benchmarks evaluate neither property at scale. Public canonical multivariate benchmarks cap out at 2,000 channels, while power-system benchmarks either lack temporal structure or probabilistic evaluation. We introduce PowerPhase, a probabilistic forecasting benchmark built on six transmission grids ranging from 2,000 to 36,964 jointly forecasted channels, more than an order of magnitude beyond popular canonical multivariate benchmarks. Each target trajectory is the output of an AC power-flow solve, and PowerPhase ships with constraint-aware metrics, including Safety_mBrier, NECV, and CVaR-alpha, that complement CRPS and Distortion. Across eight baselines and three seeds, distributional accuracy and constraint satisfaction rank models differently, a trade-off we term safety-fidelity. We further propose PowerForge, a scenario-based quantile forecaster with type-specific decoding heads and a causal bridge between variable groups, which achieves the best average rank on every grid.
• Abstract（参考訳）: 確率的予測モデルは、異なるチャネル物理と運用上の制約を持つ多変量系にますます展開されているが、既存のベンチマークでは、スケールにおいてどちらの特性も評価されていない。 パブリックな標準多変量ベンチマークは2,000チャンネルで、パワーシステムベンチマークは時間的構造や確率的評価を欠いている。 我々は、2000から36,964の同時予測チャネルを含む6つの伝送グリッド上に構築された確率予測ベンチマークPowerPhaseを紹介した。 それぞれの目標軌道はACパワーフローソルバの出力であり、PowerPhaseには、CRPSとDistortionを補完するSafety_mBrier、NECV、CVaR-alphaなど、制約対応のメトリクスが同梱されている。 8つの基準線と3つのシード、分布精度と制約満足度ランクのモデルが異なる。 さらに、タイプ固有の復号ヘッドを持つシナリオベースの量子化予測器PowerForgeと、可変群間の因果ブリッジを提案し、各グリッド上で最高の平均ランクを達成する。

関連論文リスト

• Probabilistic Multi-Regional Solar Power Forecasting with Any-Quantile Recurrent Neural Networks [3.8424737607413157]
  本稿では、AQ-RNN(Any-Quantile Recurrent Neural Network)に基づくマルチリージョンPV発電のための非量子確率予測フレームワークを提案する。 提案フレームワークは, 任意の確率レベルの条件量子化を, 1つの訓練されたモデル内で推定することができる。 その結果,予測精度,キャリブレーション,予測間隔の品質が一貫した改善を示した。
  論文  参考訳（メタデータ） (2026-02-05T13:43:18Z)
• Probabilistic Forecasting of Real-Time Electricity Market Signals via Interpretable Generative AI [41.99446024585741]
  Weak Innovation AutoEncoderをベースとしたGenerative Probabilistic ForecastingアーキテクチャであるWIAE-GPFを提案する。 構造収束を保証する新しい学習アルゴリズムを提案し、生成した予測サンプルが基底真理条件付き確率分布と一致することを保証した。
  論文  参考訳（メタデータ） (2024-03-09T00:41:30Z)
• $\clubsuit$ CLOVER $\clubsuit$: Probabilistic Forecasting with Coherent Learning Objective Reparameterization [42.215158938066054]
  MQForecasterニューラルネットワークアーキテクチャを多変量ガウス因子モデルで拡張し,構築によるコヒーレンスを実現する。 我々はこの手法をCLOVER(Coherent Learning Objective Reparametrization Neural Network)と呼ぶ。 CLOVERは最先端のコヒーレント予測手法と比較して,スケールしたCRPS予測精度が15%向上した。
  論文  参考訳（メタデータ） (2023-07-19T07:31:37Z)
• Collaborative Uncertainty Benefits Multi-Agent Multi-Modal Trajectory Forecasting [61.02295959343446]
  この研究はまず、相互作用モジュールから生じる不確実性をモデル化する新しい概念であるコラボレーティブ不確実性(CU)を提案する。 我々は、回帰と不確実性推定の両方を行うために、元の置換同変不確かさ推定器を備えた一般的なCU対応回帰フレームワークを構築した。 提案するフレームワークを,プラグインモジュールとして現在のSOTAマルチエージェント軌道予測システムに適用する。
  論文  参考訳（メタデータ） (2022-07-11T21:17:41Z)
• Distributional Gradient Boosting Machines [77.34726150561087]
  私たちのフレームワークはXGBoostとLightGBMをベースにしています。 我々は,このフレームワークが最先端の予測精度を実現することを示す。
  論文  参考訳（メタデータ） (2022-04-02T06:32:19Z)
• Multivariate Probabilistic Regression with Natural Gradient Boosting [63.58097881421937]
  多変量予測分布の条件パラメータを非パラメトリックにモデル化したNatural Gradient Boosting (NGBoost) 手法を提案する。 提案手法は頑健で, 広範囲なチューニングを伴わず, 推定対象分布に対してモジュール構造であり, 既存の手法と比較して競争力がある。
  論文  参考訳（メタデータ） (2021-06-07T17:44:49Z)
• Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
  本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。 我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。 実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
  論文  参考訳（メタデータ） (2021-05-25T14:35:46Z)
• 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)
• Quantile Surfaces -- Generalizing Quantile Regression to Multivariate Targets [4.979758772307178]
  我々のアプローチは、QS(quantile surfaces)と呼ばれる、単一出力量子化回帰(QR)から多変量ターゲットへの拡張に基づいている。 第1段階では、決定論的ポイント予測(中央傾向推定)を行います。 次に、量子表面回帰ニューラルネットワーク(QSNN)と呼ばれるニューラルネットワークを含むQSを用いた予測の不確かさをモデル化する。 再生可能エネルギー発電の確率予測と,短期サイクリストの軌道予測の2つの分野において,合成データに対する新たなアプローチと,現在研究中の2つの領域における実世界の課題の評価を行った。
  論文  参考訳（メタデータ） (2020-09-29T16:35:37Z)

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。