論文の概要: Medium-Term Multi-Resolution Electric Load Forecasting using Economic Data and Foundation Model

• arxiv url: http://arxiv.org/abs/2609.31806v1
• Date: Fri, 25 Sep 2026 12:39:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 12:37:44.998833
• Title: Medium-Term Multi-Resolution Electric Load Forecasting using Economic Data and Foundation Model
• Title（参考訳）: 経済データと基礎モデルを用いた中長期マルチリゾリューション電力需要予測
• Abstract要約: 電力負荷予測は, 発電所の保守計画, 負荷分散, 価格決定において, 情報的意思決定に不可欠である。 気象、カレンダー、自動回帰パターンによって駆動される長期負荷予測(LTLF)と短期負荷予測(STLF)の間で構成されている中長期負荷予測(MTLF)は、外挿機能と可変性モデリングの両方を必要とする。 本研究では,社会経済データがフランスに1ヶ月,最大48ヶ月前倒しの予測に及ぼす影響を,月毎,日毎の解決で調査した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurate medium-term, from a few months to a few years, electricity load forecasts are crucial for informed decision-making in power plant maintenance scheduling, load dispatch and price settlement. Being comprised between Long-Term Load Forecasting (LTLF) which uses mostly economic projections and appliances development scenarios, and Short-Term Load Forecasting (STLF) driven by weather, calendar and autoregressive patterns, Medium-Term Load Forecasting (MTLF) requires both extrapolation capabilities and variability modeling. Yet, it remains unclear if MTLF can benefit from economic indicators, and especially at which forecast horizon and resolution. To address these challenges we investigated the impact of socioeconomic data on predictions issued 1 month and up to 48 months in advance for France at monthly and daily resolution using a tabular Foundation Model (FM). A dataset covering 20 years of observations of electricity load, weather variables and economic features such as consumer price and production indices, electric vehicle counts or employment is created for the study. To avoid noisy data, we used a new feature selection pipeline, creating ensemble of expert models with diverse feature subsets, to demonstrate that selected economic covariates improve forecast skill by 20% over 2015-2025. This enhancement is steady across lead times and resolutions limiting the Mean Absolute Percentage Error to 4% for monthly granularity and 5% for daily granularity. Explainability of the models is investigated through feature and context importance. Results showed that the FM is limited in the context it leverages pointing towards potential computational savings with a reduced context, while feature importance of economic predictors grows with the forecast horizon. This suggests that including economic data in MTLF could bridge the gap with LTLF leading to seamless forecasts.
• Abstract（参考訳）: 数か月から数年の正確な中期的な電力負荷予測は、発電所の保守計画、負荷派遣、価格決定において、情報的意思決定に不可欠である。 主に経済予測とアプライアンスの開発シナリオを使用するLTLF(Long-Term Load Forecasting)と、天気、カレンダー、自動回帰パターンによって駆動される短期負荷予測(Short-Term Load Forecasting)との間に成り立っているため、MTLF(Medium-Term Load Forecasting)は外挿機能と可変性モデリングの両方を必要とする。 しかし、MTLFが経済指標、特に予測の地平線と解像度の恩恵を受けるかどうかは不明だ。 これらの課題に対処するため, 月次・日次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月次・月別・月次・月別・月別・月別・月別・月別・月別・日) の予測に対する社会経済データの影響を調査した。 本研究は, 電力負荷, 気象変動, 消費者価格, 生産指標, 電気自動車数, 雇用といった経済特性を20年間にわたって調査したデータセットを作成する。 ノイズの多いデータを避けるため、私たちは新しい機能選択パイプラインを使用し、さまざまな機能サブセットを持つ専門家モデルのアンサンブルを作成し、選択した経済共変量によって2015年から2025年の間に予測スキルが20%向上することを示した。 この改善は、平均絶対値の誤差を月毎の粒度で4%、日毎の粒度で5%に制限するリードタイムと解像度で安定している。 モデルの説明可能性について,特徴的・文脈的重要性から検討した。 その結果、FMは、予測地平線とともに経済予測器の特徴的重要性が増大する一方、潜在的な計算貯蓄を減らした状況で活用する状況において限定的であることが示された。 これは、MTLFの経済データを含めれば、LTLFとのギャップを埋めることができ、シームレスな予測につながることを示唆している。

関連論文リスト

• Explainability-Driven Feature Engineering for Mid-Term Electricity Load Forecasting in ERCOT's SCENT Region [0.0]
  本稿では,システム全体の電力負荷を1年前まで予測する機械学習モデルの比較分析を行う。 本稿では,モデル説明可能性を改善するために,「共有付加説明法(Shapley Additive Explanations, SHAP)」と呼ばれる手法を用いることに焦点をあてる。
  論文  参考訳（メタデータ） (2025-07-29T20:36:24Z)
• Short-Term Power Demand Forecasting for Diverse Consumer Types to Enhance Grid Planning and Synchronisation [0.0]
  本研究は, 産業, 商業, 住宅消費者の差別化による正確な予測の必要性に対処するものである。 短時間負荷予測(STLF)と短時間負荷予測(VSTLF)のためのAIおよび機械学習アルゴリズムを探索し比較した。
  論文  参考訳（メタデータ） (2025-06-04T12:01:11Z)
• Efficient mid-term forecasting of hourly electricity load using generalized additive models [0.0]
  本稿では,解釈可能なP-スプラインから構築したGAMを用いた新しい予測手法を提案する。 提案手法は,9年以上にわたる欧州24カ国の負荷データを用いて評価した。
  論文  参考訳（メタデータ） (2024-05-27T11:41:41Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• Meta-Regression Analysis of Errors in Short-Term Electricity Load Forecasting [0.0]
  本稿では,短期電力負荷予測の精度に影響を与える要因を考察するメタ回帰分析(MRA)を提案する。 59の研究で公表された421の予測モデルから得られたデータを利用する。 LSTMアプローチとニューラルネットワークと他のアプローチの組み合わせが最高の予測方法であることがわかった。
  論文  参考訳（メタデータ） (2023-05-29T18:26:51Z)
• A Hybrid Model for Forecasting Short-Term Electricity Demand [59.372588316558826]
  現在、英国電気市場は、規制当局が30分毎に発行する負荷(需要)予測によってガイドされている。 本稿では,機能工学(候補予測機能の選択),移動ウィンドウ予測,LSTMエンコーダデコーダを組み合わせたハイブリッド予測モデルHYENAを提案する。
  論文  参考訳（メタデータ） (2022-05-20T22:13:25Z)
• A generative adversarial network approach to (ensemble) weather prediction [91.3755431537592]
  本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。 提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
  論文  参考訳（メタデータ） (2020-06-13T20:53:17Z)

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。