AutoPQ：面向可持续性的点预测分位数估计自动化方法
机器学习
2024-12-03 v1 信号处理
机器学习
摘要
智能电网运营的优化依赖于不确定性量化所 informing 的关键决策，使概率预测成为至关重要的工具。设计此类预测模型涉及三个关键挑战：准确且无偏的不确定性量化、数据科学家在设计过程中的工作负荷降低，以及模型训练的环境影响受限。在应对这些挑战的过程中，我们引入了AutoPQ，这是一种旨在自动化和优化智能电网应用的概率预测方法。AutoPQ通过使用条件可逆神经网络（cINN）从现有的点预测生成分位数预测，从而增强预测不确定性量化。AutoPQ还自动选择底层点预测方法并优化超参数，确保为每个应用选择最佳模型和配置。为了灵活地适应各种性能需求和可用计算资源，AutoPQ提供了默认配置和高级配置，适用于广泛的智能电网应用。此外，AutoPQ提供有关性能改进所需电力消耗的透明度。我们展示了AutoPQ在有效限制计算 effort的同时超越了最先进的概率预测方法，同时有效控制了计算 effort，从而降低了环境影响。就可持续性而言，我们量化了为性能改进所需的电力消耗。
引用
@article{arxiv.2412.00419,
title = {AutoPQ: Automating Quantile estimation from Point forecasts in the context of sustainability},
author = {Stefan Meisenbacher and Kaleb Phipps and Oskar Taubert and Marie Weiel and Markus Götz and Ralf Mikut and Veit Hagenmeyer},
journal= {arXiv preprint arXiv:2412.00419},
year = {2024}
}