基于蒙特卡洛 dropout 的贝叶斯神经网络用于概率性电价预测
机器学习
2025-12-17 v1
摘要
准确的电价预测对于电力市场的战略决策至关重要，由于复杂的供需动态和外部因素，电价具有高度波动性。传统的点预测方法往往无法捕捉内在不确定性，限制了其在风险管理中的实用性。本文提出了一个基于贝叶斯神经网络 (BNN) 结合蒙特卡洛 (MC) dropout 的概率性电价预测框架，为每一天中的每个小时训练独立模型，以捕捉日间模式。对该模型进行了关键性评估和与基准模型（即广义自回归条件异方差模型（GARCHX）和 LASSO估计的自回归模型（LEAR））的比较，结果表明所提出的模型在点预测和置信区间方面均优于基准模型。本工作为在能源市场预测中利用概率神经模型提供了参考。
引用
@article{arxiv.2511.11701,
title = {Bayesian Neural Networks with Monte Carlo Dropout for Probabilistic Electricity Price Forecasting},
author = {Abhinav Das and Stephan Schlüter},
journal= {arXiv preprint arXiv:2511.11701},
year = {2025}
}