論文の概要: Cross-Market Meta-Learning for Electricity Price Forecasting

• arxiv url: http://arxiv.org/abs/2610.17387v1
• Date: Mon, 12 Oct 2026 20:48:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.45317
• Title: Cross-Market Meta-Learning for Electricity Price Forecasting
• Title（参考訳）: 電力価格予測のための市場横断メタラーニング
• Abstract要約: 日頭電気価格の予測は通常、各グリッドの歴史に合わせて異なるモデルで市場ごとに行われる。 トポロジを意識したトランスフォーマーであるMetaGridについて,単一ゾーン数非依存パラメータセットが未知のグリッドに適応するように,市場全体でメタトレーニングを行った。
• 参考スコア（独自算出の注目度）: 1.4610038284393168
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Day-ahead (DA) electricity price forecasting is usually posed per market, with a separate model fitted to each grid's own history. This caps accuracy: statistical and tree-based baselines saturate, while higher-capacity sequence models need more training data than a single market's few years of hourly prices can supply. Such methods also treat each node as an independent series, discarding the spatial dependencies induced by network topology and congestion. Because price formation across independent system operators (ISOs) is driven by shared physics and largely common market design, we instead treat cross-market history as a pretraining corpus. We present MetaGrid, a topology-aware transformer, meta-trained across markets so that a single zone-count-independent parameter set adapts to an unseen grid. On a leak-free benchmark of five U.S. ISOs, where every model receives the same prices, DA load forecasts and calendar features, MetaGrid attains the lowest average MAE, improving on the best baseline by 3.1\% and on the same architecture trained from scratch by 7.7\%.
• Abstract（参考訳）: DA(Day-ahead)電気価格の予測は通常、各グリッドの歴史に合わせて異なるモデルで市場ごとに行われる。 統計的および木ベースのベースラインが飽和する一方、高容量のシーケンスモデルは、単一市場の数年の時間的価格で供給できるものよりも、より多くのトレーニングデータを必要とする。 このような手法はまた、各ノードを独立した系列として扱い、ネットワークトポロジと混雑によって引き起こされる空間依存を破棄する。 独立系演算子(ISO)間の価格形成は、共有物理学と主に市場設計によって駆動されるため、代わりに、市場横断の歴史を事前学習コーパスとして扱う。 トポロジを意識したトランスフォーマーであるMetaGridについて,単一ゾーン数非依存パラメータセットが未知のグリッドに適応するように,市場全体でメタトレーニングを行った。 あらゆるモデルが同じ価格、DA負荷予測、カレンダー機能を受ける5つのISOのリークフリーベンチマークにおいて、MetaGridは最低平均MAEに達し、最高のベースラインを3.1\%改善し、スクラッチから7.7\%のトレーニングを受けた同じアーキテクチャである。

関連論文リスト

• Deep Learning vs. Statistical Models for Multi-Horizon Price Forecasting of Second-Hand Electronics: A Systematic Benchmark [1.5658704610960574]
  本稿では,応用電子価格予測のための統計・ディープラーニング予測モデルの最初のマルチホライゾンベンチマークを提案する。 ポーランドのオンラインマーケットプレースから毎日の価格リストの大規模なデータセットを使用します。 3つの相補的評価プロトコルは、軌道適合性、ワンショットエンドポイント精度、水平移動を評価する。
  論文  参考訳（メタデータ） (2026-10-07T18:05:13Z)
• Deep Learning for Cross-Border Electricity Price Forecasting: A Comparative Study [0.0]
  公開データを用いて、複数の市場環境での電力価格予測(EPF)のディープラーニングモデルを評価する。 我々の目標は、予測モデルの一貫した評価を可能にする再現可能なフレームワークを確立することである。 N-HiTSとNBEATSxは限られたデータシナリオで競合するが、トランスフォーマーベースのモデルは同等の精度に達するが、より適応とチューニングを必要とする傾向がある。
  論文  参考訳（メタデータ） (2026-08-17T19:57:59Z)
• Market-Information-Aware Gated-LoRA of Foundation Models for Transferable Day-Ahead Electricity Price Forecasting [6.569678181953392]
  本稿では,Chronos-2の時系列基盤モデルを日頭電力価格予測に転送する市場情報対応適応フレームワークを提案する。 実験の結果、提案されたフレームワークは、市場情報を意識したゼロショットのChronos-2と比較して平均MAE/RMSEを6.24%/7.99%、バニラソースのLoRAに対して3.05%/3.52%の価格で削減している。
  論文  参考訳（メタデータ） (2026-08-11T19:11:32Z)
• Earth System Foundation Model (ESFM): A unified framework for heterogeneous data integration and forecasting [52.53742727060265]
  地球系の基礎モデル(FM)は、大量のデータセットにわたる物理変数間の統計的関係を学習する。 本稿では,アース・システム・ファンデーション・モデル(ESFM)について紹介する。 本研究では,高密度グリッドデータ (ERA5, CMIP6) , 地域密集データ, 疎グリッドMODIS衛星データ, 局データを用いた。 結果は、最先端のベンチマークと比較して、競争力や優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-04-20T11:40:39Z)
• TripleWin: Fixed-Point Equilibrium Pricing for Data-Model Coupled Markets [11.356761727022183]
  本稿では,データセットとモデル取引を単一システムとして扱う統合データモデル結合市場を提案する。 サプライサイドマッピングはデータセットの支払いをバイヤー可視のモデル見積もりに変換し、デマンドサイドマッピングはバイヤーの価格をデータセットに戻す。 連立作用素が標準干渉関数(SIF)であることを証明する。
  論文  参考訳（メタデータ） (2025-11-05T11:20:14Z)
• Online Multivariate Regularized Distributional Regression for High-dimensional Probabilistic Electricity Price Forecasting [0.0]
  本稿では,多変量分布回帰モデルのオンラインアルゴリズムを導入し,電力価格の条件付き平均,分散,依存構造を効率的にモデル化する。 ドイツの日頭市場におけるケーススタディにおいて,本手法は,キャリブレーションと予測精度の両立を図った。
  論文  参考訳（メタデータ） (2025-04-03T12:08:51Z)
• Universal Semi-supervised Model Adaptation via Collaborative Consistency Training [92.52892510093037]
  我々は、Universal Semi-supervised Model Adaptation (USMA)と呼ばれる現実的で挑戦的なドメイン適応問題を導入する。 本稿では,2つのモデル間の予測整合性を規則化する協調的整合性トレーニングフレームワークを提案する。 実験により,いくつかのベンチマークデータセットにおける本手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-07-07T08:19:40Z)
• Multivariate Probabilistic Forecasting of Intraday Electricity Prices using Normalizing Flows [62.997667081978825]
  ドイツでは、日内電気価格は通常、EPEXスポット市場の1日当たりの価格に異なる時間帯で変動する。 本研究は,日頭契約の日内価格差をモデル化する確率論的モデリング手法を提案する。
  論文  参考訳（メタデータ） (2022-05-27T08:38:20Z)
• Multi-Asset Spot and Option Market Simulation [52.77024349608834]
  正規化フローに基づく1つの基盤となる1つのマーケットシミュレータを現実的に構築する。 本研究では, 正規化流れの条件付き可逆性を活用し, 独立シミュレータの連立分布をキャリブレーションするスケーラブルな手法を提案する。
  論文  参考訳（メタデータ） (2021-12-13T17:34:28Z)
• Hybrid Modelling Approaches for Forecasting Energy Spot Prices in EPEC market [62.997667081978825]
  EPEC市場におけるエネルギースポット価格予測のためのハイブリッドモデリング手法について検討する。 データは2013-2014年の電力価格、2015年のテストデータで提供された。
  論文  参考訳（メタデータ） (2020-10-14T12:45:53Z)

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。