基于加性堆叠的离散电力需求概率预测
应用统计
2020-05-21 v1 统计方法学
机器学习
摘要
未来的电网管理系统将协调分布式生产与储能资源，以经济有效的方式管理由交通电气化及更高比例天气依赖型发电所带来的负荷增加与波动性。低聚合层级的电力需求预测将是此类系统的关键输入。我们聚焦于个体家庭层面的需求预测，由于较低信噪比及家庭间消费模式异质性，其比聚合需求预测更具挑战性。我们提出一种用于概率预测的新集成方法，在跨家庭借用统计强度的同时兼顾各自特性。具体而言，我们开发了一组捕捉不同需求动态的模型或“专家”，并将每个模型拟合至各家庭数据。随后我们构建专家聚合，其中集成权重在整个数据集上估计，主要创新在于采用加性模型结构使权重随协变量变化。特别地，所提聚合方法是回归堆叠（Breiman, 1996）的扩展，其中混合权重由参数、平滑或随机效应的线性组合建模。构建与拟合加性堆叠模型的方法由gamFactory R包实现，可在 https://github.com/mfasiolo/gamFactory 获取。
引用
@article{arxiv.2005.10092,
title = {Additive stacking for disaggregate electricity demand forecasting},
author = {Christian Capezza and Biagio Palumbo and Yannig Goude and Simon N. Wood and Matteo Fasiolo},
journal= {arXiv preprint arXiv:2005.10092},
year = {2020}
}