短期电力需求的任意分位数概率预测
机器学习
2024-10-07 v2 机器学习
摘要
电力系统在多种因素产生的随机性下运行，这些因素无法通过确定性方法来完全计入。分布预测用于控制和减轻与这种随机性相关的风险。深度学习的最新进展有助于显著提高点预测的准确性，而准确的分布预测仍然是一个重大挑战。在本文中，我们提出了一种新颖的通用分布预测方法，能够预测任意分位数。我们展示了我们的通用方法可以无缝应用于两种不同的神经架构，从而在短期电力需求预测任务的背景下取得最先进的分布预测结果。我们在 35 个欧洲国家的每小时电力需求时间序列上实证验证了我们的方法。我们的代码可在此处获取：https://github.com/boreshkinai/any-quantile。
引用
@article{arxiv.2404.17451,
title = {Any-Quantile Probabilistic Forecasting of Short-Term Electricity Demand},
author = {Slawek Smyl and Boris N. Oreshkin and Paweł Pełka and Grzegorz Dudek},
journal= {arXiv preprint arXiv:2404.17451},
year = {2024}
}