論文の概要: Short-term load forecasting under EU-AI Act Requirements in Safety-Critical Environments: Results from a 41-day live challenge on the aggregated German transmission-grid load
- arxiv url: http://arxiv.org/abs/2608.05018v1
- Date: Wed, 05 Aug 2026 16:23:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 14:48:43.987391
- Title: Short-term load forecasting under EU-AI Act Requirements in Safety-Critical Environments: Results from a 41-day live challenge on the aggregated German transmission-grid load
- Title（参考訳）: 安全臨界環境におけるEU-AI法要件に基づく短期負荷予測:ドイツの送電グリッド負荷に関する41日間のライブ課題の結果
- Authors: Thomas Bartz-Beielstein,
- Abstract要約: 短期負荷予測(STLF)は電力産業において重要な役割を担っている。
欧州とドイツの法律が重要と指定するインフラを提供する。
本稿では,ドイツのトランスミッショングリッド負荷に対する完全なSTLFパイプラインの評価を行った41日間のライブチャレンジの結果について述べる。
- 参考スコア（独自算出の注目度）: 0.304585143845864
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Short-term load forecasting (STLF) play a vital role in the electric power industry. It serves infrastructure that European and German law designate as critical. Determinism, reproducibility, and auditability are engineering requirements rather than optional extras. STLF is no longer purely an accuracy problem. It is also a software-engineering and compliance problem. This paper describes results from a 41-day live challenge that evaluated a complete STLF pipeline for the aggregated German transmission-grid load. The pipeline is based on the open-source Python library spotforecast2-safe, which implements the EU-AI Act Requirements in Safety-Critical Environments by design. The pipeline predicts the 24 hourly load values of a target day from European Network of Transmission System Operators for Electricity (ENTSO-E) data. It includes anomaly detection and gap-aware data preparation, calendar and weather covariates, a recursive multi-step forecasting algorithm, and hyperparameter tuning. Forecast accuracy is measured against the official ENTSO-E day-ahead forecast. The EU-AI act compliant spotforecast2-safe pipeline beats the ENTSO-E baseline. In-context models show competitive performance. Transparent, low-cost, and auditable local models (referred to as macl2l in this paper) are competitive with more than 100-million-parameter large, energy-intensive pre-trained foundation models such as chronos-2. The challenge infrastructure, the complete submission history of all teams, and the frozen final leaderboard are publicly available.
- Abstract（参考訳）: 短期負荷予測(STLF)は電力産業において重要な役割を担っている。
欧州とドイツの法律が重要と指定するインフラを提供する。
決定論、再現性、監査性は、オプションの特典ではなくエンジニアリング要件である。
STLFはもはや純粋に精度の問題ではない。
ソフトウェアエンジニアリングとコンプライアンスの問題でもある。
本稿では,ドイツのトランスミッショングリッド負荷に対する完全なSTLFパイプラインの評価を行った41日間のライブチャレンジの結果について述べる。
このパイプラインは、設計によりEU-AI Act Requirements in Safety-Critical Environmentsを実装したオープンソースのPythonライブラリである spotforecast2-safeに基づいている。
パイプラインは、European Network of Transmission System Operators for Electricity (ENTSO-E)データから、目標日の24時間ロード値を予測する。
異常検出とギャップ対応データ準備、カレンダーと天気の共変量、再帰的なマルチステップ予測アルゴリズム、ハイパーパラメータチューニングが含まれる。
予測精度は、公式のENTSO-E日頭予測に対して測定される。
EU-AIアクトに準拠したスポットフォアキャスト2セーフパイプラインは、ENTSO-Eベースラインを破る。
インコンテキストモデルは競争力を示す。
透明で低コストで監査可能なローカルモデル(ここではmacl2lと呼ぶ)は、クロノス-2のような100万パラメートル以上のエネルギー集約型基礎モデルと競合する。
チャレンジインフラストラクチャ、全チームの完全な提出履歴、凍結された最終リーダーボードが公開されている。
関連論文リスト
- RAVEN: A Regime-Aware Variable-context Expert Network for Financial Time Series Forecasting [83.06074370551887]
固定コンテキストウィンドウは、非定常価格プロセスの時間変化最適振り返りと一致しない。
本稿では,各サンプルの時間的文脈を適応的に決定するMixture-of-Expertsフレームワークを提案する。
累積ログリターン予測(HS300、S&P500)およびファンド販売予測の実験では、RAVENはSOTAのパフォーマンスを達成し、HS300ではピアソン相関を9.2%改善し、S&P500では20.2%改善し、MSEを18.2%削減している。
論文 参考訳（メタデータ） (2026-06-23T02:11:04Z) - Tyche: One Step Flow for Efficient Probabilistic Weather Forecasting [48.263481135566316]
我々は,効率的な確率的天気予報のための一段階条件付き流れモデルであるTycheを提案する。
ERA5の1.5ドル(約1万2000円)と6時間の解像度での実験では、たった1つのNFEを使って、最先端の多段階生成ベースラインの予測スキルとキャリブレーションを一致または超過していることが示されています。
論文 参考訳（メタデータ） (2026-05-07T20:25:28Z) - SOPE: Stabilizing Off-Policy Evaluation for Online RL with Prior Data [49.370849653460716]
本稿では,アクタに整列したオフポリシー評価信号を用いたSOPEを,自動早期停止機構として提案する。
Minariベンチマークスイートから25の継続的制御タスクを評価した。
SOPEはベースライン性能を最大45.6%改善し、必要なTFLOPを最大22倍改善した。
論文 参考訳（メタデータ） (2026-05-07T08:32:09Z) - Time-Aware Prior Fitted Networks for Zero-Shot Forecasting with Exogenous Variables [59.37476887007663]
我々は、(PFNとは違って)時間認識の事前データ適合型ネットワーク(PFN)であるApolloPFNを開発した。
i) PFNが時系列に適用されたときに発生する障害モードを解決するために調整された合成データ生成手順,(ii)時系列コンテキストを利用するのに必要な帰納的バイアスを埋め込んだ時間アウェアなアーキテクチャ修正。
論文 参考訳（メタデータ） (2026-03-16T18:33:23Z) - ST-ResGAT: Explainable Spatio-Temporal Graph Neural Network for Road Condition Prediction and Priority-Driven Maintenance [5.876489372173655]
気候にやさしい道路網は、反応性のある固定修理から予測的で意思決定可能なメンテナンスへとパラダイムシフトする必要がある。
本稿では,時空間残差グラフ注意ネットワークST-ResGATを紹介する。
残グラフアテンション符号化とGNN時間アグリゲーションを融合し、舗装劣化を予測する。
論文 参考訳（メタデータ） (2026-03-14T20:24:32Z) - AIFL: A Global Daily Streamflow Forecasting Model Using Deterministic LSTM Pre-trained on ERA5-Land and Fine-tuned on IFS [0.39918810815847444]
本稿では,グローバルな日次ストリームフロー予測のための決定論的LSTMモデルであるAIFL(Artificial Intelligence for Floods)を紹介する。
CARAVANデータセットから算出された18,588の盆地で訓練されている。
ベンチマークの結果は、AIFLが現在の最先端のグローバルシステムと非常に競合していることを示している。
論文 参考訳（メタデータ） (2026-02-18T16:26:36Z) - Foundation Models for Logistics: Toward Certifiable, Conversational Planning Interfaces [59.80143393787701]
大規模言語モデル(LLM)は不確実性に対処し、導入障壁を低くしながら再計画の加速を約束する。
本稿では,自然言語対話のアクセシビリティと目標解釈の検証可能な保証とを組み合わせたニューロシンボリック・フレームワークを提案する。
わずか100個の不確実性フィルタで微調整された軽量モデルは、GPT-4.1のゼロショット性能を上回り、推論遅延を50%近く削減する。
論文 参考訳（メタデータ） (2025-07-15T14:24:01Z) - Forecasting Geopolitical Events with a Sparse Temporal Fusion Transformer and Gaussian Process Hybrid: A Case Study in Middle Eastern and U.S. Conflict Dynamics [0.552480439325792]
Global Database of Events, Language, and Tone (GDELT)のようなデータソースとの地政学的対立
本質的にの空間性、バースト性、およびそのようなデータの過分散により、標準的なディープラーニングモデルは信頼性の低い長距離予測を生成する。
我々は,これらの制限を克服し,2023年の脅威検出アルゴリズムコンテストで優勝したハイブリッドアーキテクチャSTFT-VNNGPを紹介する。
論文 参考訳（メタデータ） (2025-06-26T01:53:25Z) - SaDI: A Self-adaptive Decomposed Interpretable Framework for Electric
Load Forecasting under Extreme Events [25.325870546140788]
自己適応型分解解釈フレームワーク(SaDI)という新しい予測フレームワークを提案する。
中央中国の電力負荷と公共エネルギーの計器の実験により、提案されたSaDIフレームワークは平均22.14%の改善が達成された。
論文 参考訳（メタデータ） (2023-06-14T07:11:30Z) - Forecasting Future World Events with Neural Networks [68.43460909545063]
Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。
ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。
予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
論文 参考訳（メタデータ） (2022-06-30T17:59:14Z) - Random vector functional link neural network based ensemble deep
learning for short-term load forecasting [14.184042046855884]
本稿では,電力負荷予測のための新しいアンサンブルディープランダム関数リンク(edRVFL)を提案する。
隠されたレイヤは、深い表現学習を強制するために積み上げられます。
モデルは各層の出力をアンサンブルすることで予測を生成する。
論文 参考訳（メタデータ） (2021-07-30T01:20:48Z)
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。