論文の概要: The Operational Value of Spatial Dependence in Renewable Forecast Scenarios for Single-Period Economic Dispatch: A Controlled Ablation Study

• arxiv url: http://arxiv.org/abs/2609.23988v1
• Date: Mon, 21 Sep 2026 01:45:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.038679
• Title: The Operational Value of Spatial Dependence in Renewable Forecast Scenarios for Single-Period Economic Dispatch: A Controlled Ablation Study
• Title（参考訳）: 単周波経済展開のための再生可能な予測シナリオにおける空間依存の操作価値:制御的アブレーション研究
• Abstract要約: 本研究では,2つの欧州送信システムからの実際の公開データを用いて,単一期間のニュースベンダ型経済ディスパッチにおけるディスパッチ価値の推進方法について検討する。 予測地点全体の空間的コヒーレンスは、予め指定された1%の実用的重要しきい値以下である。 決定にフォーカスしたトレーニングは、この会場で確立されたパラダイムであり、堅牢な2.82-5.19%の利益をもたらす。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Renewable forecasts are evaluated by statistical skill (e.g., CRPS), but grid operators pay for realized dispatch cost. We diagnose what drives dispatch value in a single-period newsvendor-style economic dispatch using real public data from two European transmission systems (CWE, DE-4TSO). Spatial coherence across forecast sites falls below the pre-specified 1% practical-significance threshold: a controlled ablation holding per-zone marginal forecasts bit-identical and varying only cross-zone dependence (10 configurations, 3 seeds, paired-bootstrap confidence intervals) shows a coherence gain of at most 0.64% of dispatch cost, indistinguishable from zero in 3 of 10 configurations, reached only under an unrealistic 8-fold forecast-error stress test. Decision-focused training, an established paradigm in this venue, delivers a robust 2.82-5.19% gain. A parametric Gaussian-copula approximation matches the empirical copula at realistic error magnitudes but performs worse than no dependence under extreme stress. A single-seed sweep shows that a 12% energy-score gain changes cost by less than 0.1%. Results characterize this single-period dispatch class; a lightweight four-period extension supports the same conclusion. For this dispatch class, spatially-correlated scenario generation provides limited operational value on its own; grid operators and forecast vendors should instead evaluate dependence models by downstream decision value and prioritize decision-focused training.
• Abstract（参考訳）: 更新可能な予測は統計技術(CRPSなど)によって評価されるが、グリッドオペレータは実際のディスパッチコストに対して支払う。 我々は,2つの欧州送信システム(CWE,DE-4TSO)の実際の公開データを用いて,単一期間のニュースベンダスタイルの経済ディスパッチにおけるディスパッチ価値の要因を診断する。 ゾーンごとの限界予測を保持する制御的アブレーションは、非現実的な8倍の予測エラーテストでのみ到達する、ゾーン間依存(10の設定、3種の種子、ペア付きブートストラップの信頼区間)で、送信コストの少なくとも0.64%のコヒーレンスゲインを示す。 決定にフォーカスしたトレーニングは、この会場で確立されたパラダイムであり、堅牢な2.82-5.19%の利益をもたらす。 パラメトリック・ガウス・コピュラ近似は、経験的コプラを現実的な誤差の等級で一致させるが、過度なストレス下では依存しないよりも悪化する。 シングルシードスイープは12%のエネルギースコアゲインが0.1%未満のコストで変化することを示している。 結果は、この単一周期ディスパッチクラスを特徴付け、軽量な4周期拡張は同じ結論をサポートする。 このディスパッチクラスでは、空間的関連シナリオ生成は、自分自身で限られた運用価値を提供する。グリッドオペレータと予測ベンダは、代わりに、下流の意思決定値によって依存モデルを評価し、意思決定中心のトレーニングを優先順位付けする必要がある。

関連論文リスト

• Federated Ensemble Forecasting Under Supply-Chain Market Volatility [0.0]
  サプライチェーン予測システムは、市場ショック、特定されていない地域需要、商業データの集中化への限定的な意志の下で、ますます運用されている。 本研究は,クライアントノード間の予測専門家を訓練し,冗長なモデルエラーを回避する分散手法であるFederated Ensemble Forecasting with Negative-Correlation Learning (FEF NCL)を提案する。 このフレームワークは、時間的特徴エンコーダ、クライアントレベルのドリフトスコアリング、信頼性の高い集約、および各予測に最も責任のある市場およびサプライヤー変数を公開する説明能力レイヤを組み合わせる。
  論文  参考訳（メタデータ） (2026-08-05T20:15:41Z)
• Contextual Deconvolution for Variance-Stable Demand Sensing: Kernel-Modulated Operators in Promotional Retail [0.0]
  機械学習の需要予測は、統計的精度を最適化するが、過剰な運用のボラティリティを保ち、安全株を膨らませ、ブルウィップ効果を増幅する。 コンベックス分解として需要感を再設定するtextbfCon Decontextual estimatorを導入する。
  論文  参考訳（メタデータ） (2026-07-28T12:49:59Z)
• Selective Test-Time Compute Scaling for Click-Through Rate Prediction via Uncertainty-Triggered Feature Path Exploration [9.542597285477683]
  テスト時間計算のスケーリングは言語モデルに非常に効果的であることが証明されているが、この機会は産業用クリックスルーレート(CTR)予測では探索されていない。 UTTSI(Uncertainty-Triggered Test-Time Selective Inference)は、トレーニング不要なモデルに依存しないフレームワークで、推論深度をインスタンスごとの不確実性に比例して拡張する。
  論文  参考訳（メタデータ） (2026-05-24T10:29:10Z)
• PRB-RUPFormer: A Recursive Unified Probabilistic Transformer for Residual PRB Forecasting [0.873988874118547]
  本稿では,残差PRB予測のための統一確率変換器を提案する。 単一共有モデルは、eNBのすべてのキャリアとセクターでトレーニングされ、計算オーバーヘッドの少ない共同トラフィックダイナミクスの効率的な学習を可能にする。 確率認識予測は、動的キャリアアクティベーション、混雑回避、プロアクティブスペクトル共有などのスペクトル対応RAN関数を直接サポートする。
  論文  参考訳（メタデータ） (2026-05-14T19:42:32Z)
• 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)
• $V_{0.5}$: Generalist Value Model as a Prior for Sparse RL Rollouts [81.48669089692189]
  一般値モデル(例えば$V_0.5$)は、コンテキスト内のモデル機能を明示的にエンコードすることで、事前訓練された値推定を実現する。 本稿では,このような値モデルにより予測されるベースラインと,スパースロールアウトから導出される経験的平均とを適応的に融合する$V_0.5$を提案する。 V_0.5$はGRPOとDAPOを大きく上回り、より高速な収束と約10%のパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2026-03-11T14:57:41Z)
• Observationally Informed Adaptive Causal Experimental Design [55.998153710215654]
  本稿では,観測モデルを基礎的先行として活用する新たなパラダイムであるアクティブ残留学習を提案する。 このアプローチは、実験的な焦点を、目標因果量の学習から、観察バイアスの補正に必要な残差を効率的に推定するへとシフトさせる。 合成および半合成ベンチマークの実験は、R-Designがベースラインを大幅に上回ることを示した。
  論文  参考訳（メタデータ） (2026-03-04T06:52:37Z)
• Uncertainty-Aware Delivery Delay Duration Prediction via Multi-Task Deep Learning [11.2212153491325]
  本稿では,重大不均衡データの存在下での納期遅延予測のためのマルチタスク深層学習モデルを提案する。 提案モデルは,産業パートナーによる大規模実世界のデータセットを用いて評価する。 実験結果から,提案手法は平均絶対誤差が0.67-0.91日であることがわかった。
  論文  参考訳（メタデータ） (2026-02-23T19:01:03Z)
• Conservative Prediction via Data-Driven Confidence Minimization [70.93946578046003]
  機械学習の安全性クリティカルな応用においては、モデルが保守的であることが望ましいことが多い。 本研究では,不確実性データセットに対する信頼性を最小化するデータ駆動信頼性最小化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-08T07:05:36Z)
• Explicit Tradeoffs between Adversarial and Natural Distributional Robustness [48.44639585732391]
  実際、モデルは信頼性を確保するために両方のタイプの堅牢さを享受する必要があります。 本研究では, 対角線と自然分布の強靭性の間には, 明らかなトレードオフが存在することを示す。
  論文  参考訳（メタデータ） (2022-09-15T19:58:01Z)
• Predicting with Confidence on Unseen Distributions [90.68414180153897]
  ドメイン適応と予測不確実性文学を結びつけて、挑戦的な未知分布のモデル精度を予測する。 分類器の予測における信頼度(DoC)の差は,様々な変化に対して,分類器の性能変化を推定することに成功した。 具体的には, 合成分布と自然分布の区別について検討し, その単純さにもかかわらず, DoCは分布差の定量化に優れることを示した。
  論文  参考訳（メタデータ） (2021-07-07T15:50:18Z)

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。