論文の概要: ElecLoad: Adaptive Electricity Load Forecasting Guided by Multiple Events

• arxiv url: http://arxiv.org/abs/2611.06508v1
• Date: Wed, 04 Nov 2026 13:38:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.123224
• Title: ElecLoad: Adaptive Electricity Load Forecasting Guided by Multiple Events
• Title（参考訳）: ElecLoad: 複数のイベントでガイドされた適応的な電力負荷予測
• Abstract要約: マルチイベント電力負荷予測のためのコンテキスト認識エージェントであるElecLoadを提案する。 それぞれのイベントが対象の負荷に与える影響、その影響のタイミング、イベント間の潜在的な相互作用を分析します。 ElecLoadは、予測の地平線を直接予測するか、イベント効果の変化に応じてセグメントに分割するかを適応的に選択する。
• 参考スコア（独自算出の注目度）: 12.840967490075991
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate electricity load forecasting provides critical decision support for energy procurement, generation scheduling, and supply-demand balancing, contributing to the economic efficiency and operational reliability of power systems. However, future electricity demand can be affected by the complex interplay of multiple events described in Web notices, weather alerts, and event schedules. Their effects vary over time and can reinforce or offset one another, making electricity load difficult to forecast accurately. While existing methods can incorporate context as additional input, how to use the effects of multiple events and their interactions to guide the load forecasting process itself remains to be explored. To address this gap, we propose ElecLoad, a context-aware agent for multi-event electricity load forecasting that adaptively organizes the forecasting process. Specifically, we train ElecLoad to combine historical load with context to analyze each event's relevance to the target load, the timing of its effects, and potential interactions among events. Guided by this analysis, ElecLoad adaptively chooses to forecast the entire forecast horizon directly or to partition it into segments according to changes in event effects. When the horizon is partitioned, sub-agents independently generate initial forecasts for each segment. The main agent then reviews these forecasts, and the sub-agents perform selective refinement guided by its feedback. Experiments on multiple electricity load datasets show that ElecLoad achieves state-of-the-art performance in most evaluation scenarios. Code is available at https://github.com/zhjai/ElecLoad.
• Abstract（参考訳）: 正確な電力負荷予測は、エネルギー調達、発電スケジューリング、需給バランスのための重要な決定支援を提供し、電力システムの経済効率と運用信頼性に寄与する。 しかし、将来の電力需要は、Web通知、天気予報、イベントスケジュールに記述された複数のイベントの複雑な相互作用によって影響を受ける可能性がある。 これらの効果は時間とともに変化し、互いに強化したりオフセットしたりできるため、電力負荷を正確に予測することは困難である。 既存の手法では、コンテキストを付加的な入力として組み込むことができるが、複数のイベントとその相互作用を使って負荷予測プロセス自体をガイドする方法はまだ検討されていない。 このギャップに対処するため,マルチイベント電力負荷予測のためのコンテキスト認識エージェントであるElecLoadを提案し,予測過程を適応的に整理する。 具体的には、履歴負荷とコンテキストを組み合わせるようにEecLoadをトレーニングし、各イベントのターゲット負荷との関係、その影響のタイミング、イベント間の潜在的な相互作用を分析する。 この分析によって導かれたEecLoadは、予測の地平線を直接予測するか、イベント効果の変化に応じてセグメントに分割するかを適応的に選択する。 水平線が分割されると、サブエージェントは各セグメントの初期予測を独立に生成する。 メインエージェントはこれらの予測をレビューし、サブエージェントはそのフィードバックによって導かれる選択的な改善を行う。 複数の電力負荷データセットの実験は、ほとんどの評価シナリオにおいて、EecLoadが最先端のパフォーマンスを達成することを示している。 コードはhttps://github.com/zhjai/ElecLoad.comで入手できる。

関連論文リスト

• From Dense to Sparse: Event Response for Enhanced Residential Load Forecasting [48.22398304557558]
  住宅負荷予測のためのイベント応答型知識ガイド手法(ERKG)を提案する。 ERKGは、異なる家電の電力使用状況の推定、負荷系列からのイベント関連スパース知識のマイニングを取り入れている。
  論文  参考訳（メタデータ） (2025-01-06T05:53:38Z)
• AI-Powered Predictions for Electricity Load in Prosumer Communities [0.0]
  本稿では,人工知能を用いた短期負荷予測手法を提案する。 その結果、(負荷予測タスクに適応した)持続的項と回帰的項の組み合わせは、最高の予測精度が得られることがわかった。
  論文  参考訳（メタデータ） (2024-02-21T12:23:09Z)
• Interactive Generalized Additive Model and Its Applications in Electric Load Forecasting [12.431475555894089]
  本稿では,電力産業において,解釈可能なだけでなく,特定の分野の知識を取り入れた対話型GAMを提案する。 我々の対話型GAMは、現在の最先端手法よりも優れており、極端な気象事象の場合に優れた一般化能力を示す。 インタラクティブなGAMをベースにしたユーザフレンドリーなWebベースのツールをローンチし、すでにeForecaster製品に組み込んでいます。
  論文  参考訳（メタデータ） (2023-10-24T09:17:47Z)
• Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
  エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。 本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。 評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-07-14T06:50:02Z)
• Instance-Aware Predictive Navigation in Multi-Agent Environments [93.15055834395304]
  エージェント間の相互作用と将来のシーン構造を予測するIPC(Instance-Aware Predictive Control)アプローチを提案する。 我々は,ego中心の視点でエージェント間のインタラクションを推定するために,新しいマルチインスタンスイベント予測モジュールを採用する。 シーンレベルとインスタンスレベルの両方の予測状態をより有効活用するために、一連のアクションサンプリング戦略を設計します。
  論文  参考訳（メタデータ） (2021-01-14T22:21:25Z)
• Probabilistic electric load forecasting through Bayesian Mixture Density Networks [70.50488907591463]
  確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。 ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。 後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
  論文  参考訳（メタデータ） (2020-12-23T16:21:34Z)

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。