面向中期电力需求预测的增强 N-BEATS 模型
机器学习
2024-12-05 v1 人工智能
摘要
本文提出增强版 N-BEATS 模型 N-BEATS* 以提高中期电力负荷预测（MTLF）效果。基于原始 N-BEATS 架构在处理复杂时间序列数据方面的优势——无需预处理或领域特定知识——N-BEATS* 引入了两个关键修改。（1）新型损失函数——结合基于 MAPE 的 pinball loss 与归一化均方误差，新损失函数通过捕捉 L1 和 L2 损失项，实现更均衡的处理；（2）修改块结构——调整 N-BEATS 块的内部结构，通过引入反标准化组件来协调不同时间序列的处理，提高了效率并降低了预测任务的复杂度。我们在来自 35 个欧洲国家的真实世界月度电力消费数据上进行评估，N-BEATS* 的性能优于其前身以及其他 established 预测方法，包括统计模型、机器学习模型和混合模型。N-BEATS* 实现了最低的 MAPE 和 RMSE，同时在预测误差散度方面表现最佳。
引用
@article{arxiv.2412.02722,
title = {Enhanced N-BEATS for Mid-Term Electricity Demand Forecasting},
author = {Mateusz Kasprzyk and Paweł Pełka and Boris N. Oreshkin and Grzegorz Dudek},
journal= {arXiv preprint arXiv:2412.02722},
year = {2024}
}