論文の概要: Market-Information-Aware Gated-LoRA of Foundation Models for Transferable Day-Ahead Electricity Price Forecasting

• arxiv url: http://arxiv.org/abs/2608.11359v1
• Date: Tue, 11 Aug 2026 19:11:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.357607
• Title: Market-Information-Aware Gated-LoRA of Foundation Models for Transferable Day-Ahead Electricity Price Forecasting
• Title（参考訳）: 移動可能な日頭電力価格予測のための基礎モデルの市場情報対応Gated-LoRA
• Abstract要約: 本稿では,Chronos-2の時系列基盤モデルを日頭電力価格予測に転送する市場情報対応適応フレームワークを提案する。 実験の結果、提案されたフレームワークは、市場情報を意識したゼロショットのChronos-2と比較して平均MAE/RMSEを6.24%/7.99%、バニラソースのLoRAに対して3.05%/3.52%の価格で削減している。
• 参考スコア（独自算出の注目度）: 6.569678181953392
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electricity price forecasting is crucial for market participants but remains difficult because prices are volatile, market-specific, and closely tied to anticipated system conditions. Existing supervised methods depend largely on market-specific historical data, limiting their use in newly established or data-scarce markets. This paper proposes a market-information-aware adaptation framework that transfers the Chronos-2 time-series foundation model to day-ahead electricity price forecasting. It first constructs a multi-source market information (MSMI) interface aligning 7-day price context with pre-clearing supply--demand, reserve, maintenance, generator-capacity, and intertie variables, and then trains a source-domain gated low-rank adapter (LoRA), updating about $1\%$ of model parameters without target-market labels. The gate scales the frozen source adapter according to reserve-tightness and operating-state signals. A leave-one-market-out protocol is adopted for evaluating cross-market transferability. Experiments on four Chinese provincial day-ahead spot markets show that the proposed framework reduces the average MAE/RMSE by $6.24\%/7.99\%$ relative to market-information-aware zero-shot Chronos-2 and by $3.05\%/3.52\%$ relative to vanilla Source-LoRA. Experiments show that the gain is not reproduced by a learned global scalar or by random gate initialization, while the additional improvement over Source-LoRA is limited. These results suggest that market-structured inputs and state-dependent gated LoRA can provide a practical transfer path for data-scarce electricity markets.
• Abstract（参考訳）: 電力価格の予測は市場参加者にとって重要であるが、価格が不安定で市場固有のものであり、予想されるシステム条件と密接な結びつきがあるため、依然として困難である。 既存の管理手法は市場固有の歴史的データに大きく依存しており、新たに確立された市場やデータスカース市場での使用を制限する。 本稿では,Chronos-2の時系列基盤モデルを日頭電力価格予測に転送する市場情報対応適応フレームワークを提案する。 まず、マルチソース市場情報(MSMI)インターフェースを構築し、7日間の価格コンテキストを、供給需要、リザーブド、メンテナンス、ジェネレータ-キャパシティ、およびインターティ変数と整合させ、続いてソースドメインのローランクアダプタ(LoRA)をトレーニングし、ターゲット市場ラベルなしで約1\%のモデルパラメータを更新する。 ゲートは、リザーブティネスと動作状態信号に応じて、凍結したソースアダプタをスケールする。 市場間転送可能性を評価するために、Left-one Market-outプロトコルが採用されている。 中国の4つの州立日頭市場での実験では、提案されたフレームワークは、市場情報を意識したゼロショットChronos-2に対して平均MAE/RMSEを6.24\%/7.99\%、バニラソースロラに対して3.05\%/3.52\%に下げている。 実験により、学習したグローバルスカラーやランダムゲートの初期化によってゲインが再現されることはなく、Source-LoRAに対する追加改善は限定的であることが示された。 以上の結果から, 市場構造入力と状態依存型の LoRA がデータスカース電力市場における現実的な移動経路となることが示唆された。

関連論文リスト

• A Few-Shot LLM Framework for Extreme Day Classification in Electricity Markets [1.0730888578919362]
  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。
  論文  参考訳（メタデータ） (2026-02-17T20:54:44Z)
• Forecasting Future Language: Context Design for Mention Markets [81.25011140991566]
  我々は、参照市場における正確な予測を支援するために、入力コンテキストをどのように設計するかを検討する。 1 より豊かなコンテキストは予測性能を継続的に改善し、(2)市場条件付きプロンプト(MCP)は事前の市場確率を扱い、テキストによる証拠を用いてそれを更新し、より良いキャリブレーションの予測を得る、(3)市場確率とMCP(MixMCP)の混合が市場ベースラインを上回っている、という3つの洞察を得た。
  論文  参考訳（メタデータ） (2026-02-04T12:43:31Z)
• 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)
• ML-Based Bidding Price Prediction for Pay-As-Bid Ancillary Services Markets: A Use Case in the German Control Reserve Market [45.62331048595689]
  本稿では,ドイツ支配予備市場を中心に,従量制サービス市場における入札価格の予測手法を提案する。 サポートベクトル回帰、決定木、k-Nearest Neighborsなど、さまざまな機械学習モデルを評価し、ベンチマークモデルと比較する。 分析の結果,提案手法はベースラインモデルと比較して27.43%から37.31%に改善することが示された。
  論文  参考訳（メタデータ） (2025-03-21T15:21:43Z)
• 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)
• HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and Regime-Switch VAE [113.47287249524008]
  オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。 本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。 4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2023-06-05T12:58:13Z)
• Simulation-based Forecasting for Intraday Power Markets: Modelling Fundamental Drivers for Location, Shape and Scale of the Price Distribution [0.0]
  本研究では,日内市場におけるリターン分布の位置,形状,スケールパラメータのモデル化手法を提案する。 風と太陽の予測と、その日内更新、停電、価格情報、および、メリットの順序を形作るための新しい尺度について検討する。 ボラティリティは、利益秩序体制、納期、国境を越えた注文書の閉鎖によってもたらされる。
  論文  参考訳（メタデータ） (2022-11-23T15:08:50Z)
• OSOUM Framework for Trading Data Research [79.0383470835073]
  私たちは、私たちの知る限り、最初のオープンソースのシミュレーションプラットフォームであるOpen SOUrce Market Simulator(OSOUM)を提供して、トレーディング市場、特にデータ市場を分析します。 我々は、購入に利用可能なさまざまなデータセットを所有する売り手と、購入に有効な適切なデータセットを検索する買い手という2つのタイプのエージェントからなる、特定のデータ市場モデルを記述し、実装する。 データ市場を扱うための商用フレームワークはすでに存在していますが、購入者および販売者の両方が(データ)市場に参加することの可能な振る舞いをシミュレートするための、自由で広範なエンドツーエンドの研究ツールを提供しています。
  論文  参考訳（メタデータ） (2021-02-18T09:20:26Z)
• Learning the Gap in the Day-Ahead and Real-Time Locational Marginal Prices in the Electricity Market [0.0]
  機械学習アルゴリズムとディープニューラルネットワークは、日頭電気市場とリアルタイム電気市場の間の価格差の値を予測するために使用される。 提案手法を評価し,ニューラルネットワークはギャップの正確な値を予測できる有望な結果を示した。
  論文  参考訳（メタデータ） (2020-12-23T16:49:24Z)
• 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)
• A Deep Reinforcement Learning Framework for Continuous Intraday Market Bidding [69.37299910149981]
  再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。 欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。 本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。 その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T13:50:13Z)
• Reinforcement-Learning based Portfolio Management with Augmented Asset Movement Prediction States [71.54651874063865]
  ポートフォリオマネジメント(PM)は、最大利益や最小リスクといった投資目標を達成することを目的としている。 本稿では,PMのための新しいステート拡張RLフレームワークであるSARLを提案する。 当社の枠組みは, 金融PMにおける2つのユニークな課題に対処することを目的としている。(1) データの異種データ -- 資産毎の収集情報は通常, 多様性, ノイズ, 不均衡(ニュース記事など), (2) 環境の不確実性 -- 金融市場は多様で非定常である。
  論文  参考訳（メタデータ） (2020-02-09T08:10:03Z)

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。