論文の概要: Probabilistic Forecasting of Electric Vehicle Charging in a Time-varying Hierarchical Infrastructure

• arxiv url: http://arxiv.org/abs/2610.13588v1
• Date: Fri, 09 Oct 2026 13:39:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.602147
• Title: Probabilistic Forecasting of Electric Vehicle Charging in a Time-varying Hierarchical Infrastructure
• Title（参考訳）: 時間変化した階層的インフラにおける電気自動車充電の確率予測
• Abstract要約: スコットランドの公共充電ステーションの大規模データセットについて検討する。 需要は階層構造を示し、複数の集約レベルにまたがって組織化されている。 我々は、階層的予測と最近のコンフォーマル予測と欠落データを組み合わせた。
• 参考スコア（独自算出の注目度）: 0.39146761527401425
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Uncertainty quantification for electric vehicle (EV) charging demand is essential to turn the increasing pressure of EV adoption on power systems into a source of flexibility. We study a large-scale dataset of public charging stations in Scotland, where demand exhibits a hierarchical structure, organized across multiple aggregation levels, from individual charging points to regional and national scales. The charging infrastructure is continuously evolving, with new stations deployed and existing ones occasionally removed, which calls for forecasting and uncertainty quantification methods tailored to this evolving structure. To address these challenges, we combine hierarchical forecasting with recent advances in conformal prediction with missing data. The conformal procedures considered produce valid prediction intervals at every node of the hierarchy and the algorithm CP-MNR-Nested successfully accounts for the time-varying hierarchical structure of the data.
• Abstract（参考訳）: 電気自動車(EV)の充電需要の不確実性定量化は、電力システムへのEV導入の圧力の増大を柔軟性の源とするために不可欠である。 スコットランドの公共充電所の大規模データセットについて検討し、需要は複数のアグリゲーションレベルにまたがる階層構造を示す。 充電インフラは継続的に進化しており、新しいステーションが配置され、既存のステーションが時々取り除かれ、この進化する構造に合わせて予測と不確実性定量化手法が要求される。 これらの課題に対処するために、階層的予測と最近のコンフォーマルな予測と欠落したデータを組み合わせる。 検討されたコンフォメーションプロシージャは階層のノード毎に有効な予測間隔を生成し、アルゴリズムCP-MNR-Nestedはデータの時間変化階層構造をうまく説明できる。

関連論文リスト

• Proper Scoring Rule-based Diffusion for Probabilistic Weather Forecasting [59.015610520217734]
  我々は,コンテキストとその劣化バージョンから,同じ将来状態を予測できる補助的条件記述タスクを導入する。 推測時には、予測器は、完全に破損したエンドポイントにおいて、単一の前方通過で各アンサンブル部材を生成することができる。
  論文  参考訳（メタデータ） (2026-09-29T22:47:10Z)
• Long-Term Operational Planning Using Scenario-Based System Load Forecasting [0.0]
  ハイパースケールデータセンターは北バージニアの電力需要を増大させている。 ドミニオン・エナジーはこの成長を支えるために送電網を強化する必要がある。 長期の停止研究は、月毎または季節毎のピーク負荷の仮定を用いて、日毎の実施が一般的である。 本稿では,現実的なマルチグラニュラ負荷予測を長期的障害評価に組み込むことの運用価値を評価する。
  論文  参考訳（メタデータ） (2026-09-28T02:21:54Z)
• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• Improving Coherence in Hierarchical Time Series Forecasting using Structured Temporal Fusion [0.0]
  階層的テンポラルフュージョン (HTF) は階層的埋め込みとコヒーレンスを意識した損失関数を統合し、階層のすべてのレベルにわたって一貫した予測を保証する。 我々は、M5 Walmart予測データセットと、利用可能な階層的エネルギー消費データセットの2つの公開ベンチマークデータセットに対して、HTFを評価した。
  論文  参考訳（メタデータ） (2026-06-26T19:11:40Z)
• Urban Power Grid Topology and Hierarchy Identification from Open Data [53.468443050795344]
  本稿では,都市電力グリッドトポロジの同定のためのオープンデータ駆動型フレームワークを開発する。 公共インフラのデータ(電力線、サブステーション、トランスフォーマー、ポール)を融合して、高電圧と中電圧のスケルトンをマッピングします。 次に、OpenStreetMap上の地理空間機械学習を活用して、電力需要クラスタをグループ化する。 我々は、7,330の建物と主要な電力インフラ資産をつなぐ完全なグリッドトポロジを再構築する。
  論文  参考訳（メタデータ） (2026-06-19T11:51:38Z)
• Hierarchical Forecast Reconciliation for Urban Rail Transit Demand Prediction under Operational Disruptions [4.330506300153804]
  本稿では,共同ステーションレベルおよびODレベルのURT需要予測のための最初の階層的予測調整フレームワークを提案する。 ニューラルネットワークのFully Connected Reconcilerは、非コヒーレントベース予測からコヒーレント階層的予測への非線形マッピングを学習する。 その結果,和解は階層的コヒーレンスを確保しつつ,OD予測精度を常に向上させることがわかった。
  論文  参考訳（メタデータ） (2026-06-05T08:41:18Z)
• Spatio-temporal modelling of electric vehicle charging demand [0.41998444721319217]
  スコットランド全土で収集された新しいスケールの時系列データセット(2022年2025年)を紹介する。 我々は、Integrated Nested Laplace Approximation (INLA)を介して、潜在潜在潜在ガウス場としてのEV充電需要を近似推論する。 駅レベルの予測タスクでは,機械学習ベースラインに対する競合予測精度が向上し,また,リスク認識インフラ計画に不可欠な基本的不確かさの定式化と空間的・時間的分解特性の解釈が可能となった。
  論文  参考訳（メタデータ） (2026-04-21T09:52:22Z)
• PowerGrow: Feasible Co-Growth of Structures and Dynamics for Power Grid Synthesis [75.14189839277928]
  本稿では,運用効率を維持しながら計算オーバーヘッドを大幅に削減する,共同生成フレームワークPowerGrowを提案する。 ベンチマーク設定による実験では、PowerGrowはフィデリティと多様性において、事前の拡散モデルよりも優れていた。 これは、運用上有効で現実的な電力グリッドシナリオを生成する能力を示している。
  論文  参考訳（メタデータ） (2025-08-29T01:47:27Z)
• Coherent Hierarchical Probabilistic Forecasting of Electric Vehicle Charging Demand [3.7690784039257292]
  本稿では,複数の電気自動車充電ステーション(EVCS)の階層的確率的予測問題について検討する。 各充電ステーションに対して、部分入力凸ニューラルネットワーク(PICNN)に基づくディープラーニングモデルを訓練し、日頭充電需要の条件分布を予測する。 微分凸最適化層(DCL)は、分布からサンプリングされたシナリオを再構成し、一貫性のあるシナリオを生成する。
  論文  参考訳（メタデータ） (2024-11-01T03:35:04Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2023-10-17T20:30:16Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。