时序基石模型零样本能力在短期负荷预测中的比较分析
系统与控制
2024-12-18 v1 系统与控制
摘要
短期负荷预测（STLP）对于现代电力配电系统运行至关重要，特别是随着需求和电力量不确定性的增加，后者与低碳技术的集成有关，如电动汽车和光伏发电。本研究评估了五种时序基石模型（TSFMs）的零样本预测能力，这些是一种新的 STLP 方法，其中模型无需任务特定训练即可进行预测。我们将其与两种经典模型——高斯过程（GP）和支持向量回归（SVR）进行比较，后者均在任务特定数据集上进行训练。我们的发现表明，即使没有训练，诸如 Chronos、TimesFM 和 TimeGPT 等 TSFMs 仍能优于 GP 和 SVR。这一发现凸显了 TSFMs 在 STLP 中的潜力。
引用
@article{arxiv.2412.12834,
title = {Comparative Analysis of Zero-Shot Capability of Time-Series Foundation Models in Short-Term Load Prediction},
author = {Nan Lin and Dong Yun and Weijie Xia and Peter Palensky and Pedro P. Vergara},
journal= {arXiv preprint arXiv:2412.12834},
year = {2024}
}