预算约束下的协同可再生能源预测市场
机器学习
2025-01-23 v2
摘要
可再生能源（RES）的准确功率预测对于将额外的RES容量整合到电力系统并实现可持续发展目标至关重要。这项工作强调了将分散的时空数据整合到预测模型中的重要性。然而，分散的数据所有权对此类时空模型的成功构成了关键障碍，需要考虑促进数据共享的激励机制。主要贡献包括：a）对预测模型进行比较分析，提倡使用高效且可解释的样条LASSO回归模型；b）在数据/分析市场中提出一种投标机制，以确保数据提供者获得公平补偿，并使买卖双方都能表达其数据价格要求。此外，还提出了一种用于时间序列预测的激励机制，有效地整合了价格约束并防止了冗余的特征分配。结果表明，预测精度有显著提高，数据卖方可能获得货币收益。对于风电数据，通过将本提案生成的预测与本地生成的预测进行比较，平均均方根误差改善了10%以上。
引用
@article{arxiv.2501.12367,
title = {Budget-constrained Collaborative Renewable Energy Forecasting Market},
author = {Carla Goncalves and Ricardo J. Bessa and Tiago Teixeira and Joao Vinagre},
journal= {arXiv preprint arXiv:2501.12367},
year = {2025}
}