論文の概要: Peak-Aware Short-Term Load Forecasting Across Distribution Grid Aggregation Levels
- arxiv url: http://arxiv.org/abs/2609.18588v1
- Date: Wed, 16 Sep 2026 12:45:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.807941
- Title: Peak-Aware Short-Term Load Forecasting Across Distribution Grid Aggregation Levels
- Title（参考訳）: 配電網集約レベルにおけるピーク対応短期負荷予測
- Abstract要約: 短期負荷予測(STLF)は、混雑管理、電圧制御、資産保護をサポートする。
既存のアプローチのほとんどは、すべての時間ステップにわたる全体的な正確性に注目し、要求の高い期間のパフォーマンスを無視する。
演算子関連配電網のアグリゲーションレベル,エリアコード(AC),二次サブステーション(SUB),低電圧(LV)ファインダのピーク対応STLFについて検討した。
- 参考スコア（独自算出の注目度）: 4.667957095038668
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: For distribution system operators, short-term load forecasting (STLF) supports congestion management, voltage control, and asset protection. Most existing approaches focus on overall accuracy across all time steps and neglect performance during high-demand (HD) periods, where larger forecast errors can increase the risk of congestion and voltage violations. In this paper, we study peak-aware STLF across three operator-relevant distribution grid aggregation levels, area codes (AC), secondary substations (SUB), and low-voltage (LV) feeders, using open datasets from the United Kingdom and Switzerland. We compare statistical baselines, machine learning models (LightGBM and XGBoost), and recent time-series foundation models (Chronos Bolt and Chronos-2) under a peak-aware evaluation framework that reports both overall and HD forecasting performance using NMAE and MAPE. The results show that Chronos-2 achieves the best HD performance across all aggregation levels, with HD-NMAE and HD-MAPE of 0.039 and 4.53% at AC, 0.080 and 9.45% at SUB, and 0.138 and 16.14% at LV, while Chronos-Bolt consistently ranks second best. Compared with the gradient boosted ML models, Chronos-2 reduces mean HD-NMAE by about 20-51% across levels while remaining best or near-best on the overall metrics. A quantile analysis of the probabilistic Chronos outputs further identifies aggregation-specific operating points, and runtime measurements indicate that foundation model inference is fast enough for practical deployment. Overall, the findings highlight peak-aware evaluation and aggregation specific quantile selection as a practical pathway toward more operationally relevant STLF in distribution networks.
- Abstract（参考訳）: 配電系統のオペレータでは、短期負荷予測(STLF)が混雑管理、電圧制御、資産保護をサポートする。
既存のほとんどのアプローチは、すべての時間ステップにわたる全体的な正確さに重点を置いており、高需要(HD)期間におけるパフォーマンスを無視している。
本稿では、英国とスイスのオープンデータセットを用いて、3つのオペレータ関連配電網の集約レベル、エリアコード(AC)、二次変電所(SUB)、低電圧供給機(LV)のピーク対応STLFについて検討する。
我々は,NMAEとMAPEを用いた総合的およびHD予測性能を報告するピークアウェア評価フレームワークにおいて,統計ベースライン,機械学習モデル(LightGBMとXGBoost)および最近の時系列基盤モデル(Chronos BoltとChronos-2)を比較した。
その結果,Chronos-2はすべてのアグリゲーションレベルにおいて最高のHD性能を示し,HD-NMAEとHD-MAPEは0.039と4.53%,SUBは0.080と9.45%,LVは0.138と16.14%,Chronos-Boltは一貫して2位であった。
グラデーション強化MLモデルと比較すると、Chronos-2は平均HD-NMAEを平均20～51%減らし、指標全体では最良または最良である。
確率的クロノス出力の量子解析により、アグリゲーション固有の演算点がさらに特定され、実行時測定により基礎モデル推論が実用的な展開に十分速いことが示されている。
全体として,分布ネットワークにおいて,より運用的に関係のあるSTLFへの実践的な経路として,ピークアウェア評価とアグリゲーション特定量選択が注目されている。
関連論文リスト
- FlowTSFM: Turning Encoder Depth into Quantile Transport [29.781238027602466]
本稿では,再帰輸送プロセスとして深度を解釈するエンコーダアーキテクチャであるFlowTSFMを紹介する。
わずか388Mのパラメータで、FlowTSFMはGIFT-EvalとTIMEの競合性能を達成している。
また、CosMeanも導入しています。これは、リカレント更新が最終予測に一貫して一致するかどうかを計測するスケールフリー診断です。
論文 参考訳（メタデータ） (2026-09-12T01:29:17Z) - Assessing Covariate-Informed Grid Load Forecasting with a Time-Series Foundation Model [1.7674345486888503]
クロノス-2 (Chronos-2) は、Amazonが開発した多チャンネル時系列基盤モデル(TSFM)である。
我々はChronos-2を、ISO New EnglandとENTSO-Eの2つの実世界のユーティリティデータセット上で評価し、広く使われているタスク固有ディープラーニングモデルと比較した。
以上の結果から,Chronos-2はタスク固有の微調整の利点を大いに生かし,短時間の予測性能が向上することが示唆された。
論文 参考訳（メタデータ） (2026-09-06T15:09:12Z) - PCQA-R1: Advancing Generalized 3D Point Cloud Quality Assessment with Reinforcement Learning [51.75061005702151]
ノンリファレンスポイントクラウド品質アセスメント(PCQA)は近年活発なトピックであり、ポイントクラウドの視覚的エクスペリエンスの測定と最適化に使用されている。
本稿では,3次元点雲質評価のための最初の強化学習LMMであるPCQA-R1について述べる。
論文 参考訳（メタデータ） (2026-08-19T07:21:58Z) - 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) - Posterior Augmented Flow Matching [64.1559809786948]
後拡張フローマッチング(PAFM)はフローマッチング(FM)の一般化である
PAFMは、異なるモデルスケールで最大3.4FID50KでFMよりも改善されていることを示す。
論文 参考訳（メタデータ） (2026-05-01T17:59:59Z) - Echo State Networks for Time Series Forecasting: Hyperparameter Sweep and Benchmarking [51.56484100374058]
我々は、完全に自動で純粋にフィードバック駆動のESNが、広く使われている統計的予測手法の代替となるかどうかを評価する。
予測精度は、MASEとsMAPEを用いて測定され、ドリフトや季節予測、統計モデルといった単純なベンチマークと比較される。
論文 参考訳（メタデータ） (2026-02-03T16:01:22Z) - A Diffusion-Based Framework for High-Resolution Precipitation Forecasting over CONUS [0.410492188035848]
本研究では,拡散に基づくディープラーニング(DL)フレームワークを,入力源のみが異なる3つの残差予測戦略を体系的に比較する。
予測は1kmの空間解像度で生成され、1時間の直接予測から始まり、自動回帰ロールアウトを使用して12時間まで延長される。
論文 参考訳（メタデータ） (2025-12-09T19:23:27Z) - 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) - TopoFormer: Integrating Transformers and ConvLSTMs for Coastal Topography Prediction [0.0]
textitTopoFormerは、変換器ベースのエンコーダと畳み込みの長い短期記憶層を統合する。
このアーキテクチャは、ビーチプロファイルデータに固有の長距離依存関係と局所化された時間パターンの両方をキャプチャする。
論文 参考訳（メタデータ） (2025-01-11T09:46:02Z) - Machine learning for total cloud cover prediction [0.0]
本稿では,多層パーセプトロン(MLP)ニューラルネットワーク,勾配促進機(GBM)およびランダムフォレスト(RF)法を用いた後処理の性能について検討する。
生のアンサンブルと比較して、全ての校正法は予測スキルを著しく向上させる。
RFモデルは予測性能が最小となる一方、POLRとGBMのアプローチは最良である。
論文 参考訳（メタデータ） (2020-01-16T17:13:37Z)
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。