能源预测的基准测试与定制工具包
机器学习
2024-10-07 v2 机器学习
摘要
能源（负荷、风电、光伏）预测在电力行业中具有重要意义，因为它可以为电网调度等后续任务提供参考，从而带来巨大的经济效益。然而，能源预测与传统时间序列预测存在诸多差异。一方面，传统时间序列主要关注捕捉趋势和周期等特征，而能源序列在很大程度上受气象和日历变量等许多外部因素的影响。另一方面，能源预测旨在最小化电网调度等后续任务的成本，而非单纯追求预测精度。此外，能源数据的规模也会显著影响预测结果。本文收集了大规模负荷数据集，并发布了一个新的可再生能源数据集，其中包含站点级和区域级可再生能源发电数据以及气象数据。对于负荷数据，我们还纳入了负荷领域特定的特征工程，并提供了一种定制损失函数并将预测误差与后续任务相关需求（如电网调度成本）关联的方法，将其集成到我们的预测框架中。基于此，我们在这些不同层级的能源数据集上利用 21 种预测方法在 11 种评估指标下进行了大量实验，为研究人员比较不同能源预测模型提供了全面参考。
引用
@article{arxiv.2307.07191,
title = {Benchmarks and Custom Package for Energy Forecasting},
author = {Zhixian Wang and Qingsong Wen and Chaoli Zhang and Liang Sun and Leandro Von Krannichfeldt and Shirui Pan and Yi Wang},
journal= {arXiv preprint arXiv:2307.07191},
year = {2024}
}