論文の概要: Nearest Neighbor Functional Curve Completion for Intraday Probabilistic Revisions of Renewable Generation Forecasts

• arxiv url: http://arxiv.org/abs/2610.17075v1
• Date: Mon, 12 Oct 2026 16:41:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 03:22:58.398711
• Title: Nearest Neighbor Functional Curve Completion for Intraday Probabilistic Revisions of Renewable Generation Forecasts
• Title（参考訳）: 再生可能世代予測の日内確率的修正のための最寄り機能曲線補完
• Abstract要約: 決定論的初期予測と部分的実現を確率論的予測に融合する非パラメトリックアプローチを提案する。 我々のモチベーションは、現代の電力網における重要な運用課題である再生可能エネルギーの日内予測を構築することである。
• 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: We propose a nonparametric approach that fuses deterministic initial forecasts and a partial realization into a probabilistic forecast using the framework of functional curve completion. Our motivation is to construct intra-day forecasts for renewable energy generation, which is a key operational task in modern power grids. The aim is to combine the day-ahead (DA) forecast and the morning realized generation profile to create trajectories for the rest of the day, quantifying operational uncertainty. Starting with a large database of complete forecast-actual pairs across many assets, we adopt a functional point of view and construct a weighted neighborhood based on similarity metrics for the observed partial curve, the DA forecast, the day, and the geographical location. The selected complete nearest-neighbor curves provide a full predictive distribution, including functional focal envelopes and predictive bands based on functional depth. The hyperparameters governing neighborhood size, distances, and fusion rates are tuned across forecast update times and directly target probabilistic calibration in terms of the predictive probability integral transform. Three case studies using synthetic wind and solar assets, as well as real-life regional wind generation, showcase that our algorithm is able to achieve excellent calibration.
• Abstract（参考訳）: 関数曲線完備化の枠組みを用いて決定論的初期予測と部分的実現を確率論的予測に融合する非パラメトリック手法を提案する。 我々のモチベーションは、現代の電力網における重要な運用課題である再生可能エネルギーの日内予測を構築することである。 目的は、デイアヘッド(DA)予測と、朝に実現された生成プロファイルを組み合わせて、残りの日の軌道を作成し、運用上の不確実性を定量化することである。 多くの資産にまたがる完全な予測現実対の大規模なデータベースから始めると、機能的な視点を採用し、観測された部分曲線、DA予測、日時、地理的位置の類似度指標に基づいて重み付けされた地区を構築する。 選択された完全近傍曲線は、機能的焦点エンベロープや機能的深さに基づく予測的帯域を含む完全な予測的分布を提供する。 近辺サイズ、距離、融合率を管理するハイパーパラメータは、予測更新時間にまたがって調整され、予測確率積分変換による確率的キャリブレーションを直接ターゲットとする。 人工風と太陽資産を用いた3つのケーススタディは,我々のアルゴリズムが優れたキャリブレーションを達成できることを実証している。

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)
• FarSky: Task-Aware Latent-Space Coupling for Generative Intra-Hour Solar Forecasting [0.0]
  FarSkyは、スカイイメージのタスク認識表現を学習する生成予測フレームワークである。 予測能力は最大11ポイント向上し、決定的かつ確率的な予測性能を最高に達成している。 既存の手法によるランプイベントの検出を大幅に改善し、F1スコアを60%以上達成した。
  論文  参考訳（メタデータ） (2026-08-06T08:32:56Z)
• Agentic Workflow Using RBA$_θ$ for Event Prediction [0.0]
  風力ランプのイベントは、強い変動性、マルチスケールのダイナミクス、およびサイト固有の気象効果のために予測が難しい。 本稿では、ランプイベントを直接予測し、その後に電力軌道を再構築するイベントファースト・周波数対応予測パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-02-05T13:03:15Z)
• The Living Forecast: Evolving Day-Ahead Predictions into Intraday Reality [0.688204255655161]
  本稿では,完全確率的日頭予測をトレーニングや再推論なしに日内予測に変換するベイズ更新機構を提案する。 家庭用電力消費と太陽光発電データを用いた実験により, 提案手法は, 可能性, サンプル, 定量, 点ベースで25%の精度で予測精度を向上することを示した。
  論文  参考訳（メタデータ） (2025-10-14T08:25:20Z)
• 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)
• 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） (2022-06-16T06:13:53Z)

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。