通过聚合自适应模型对多个本地电力负荷进行精简的日前预测
机器学习
2023-02-17 v1 应用统计
统计方法学
机器学习
摘要
我们关注法国配电网变电站的日前电力负荷预测；因此，我们的问题介于单一用电的不稳定性与全国总需求的稳定性之间。此外，我们感兴趣的是预测超过一千个变电站的负荷；因此，我们处于多时间序列预测的背景下。为此，我们依赖一种在国家级尺度上提供优异结果的自适应方法；其思想是将广义加性模型与状态空间表示相结合。然而，将该方法论扩展到超过一千个时间序列的预测会引发计算问题。我们通过开发一种精简变体来解决它，减少估计的参数数量；我们仅对少数时间序列估计预测模型，并依靠专家聚合实现迁移学习。这减少了计算需求及其相关排放。我们构建了对应于不同参数迁移水平的多个变体，并寻找准确性与精简性之间的最佳权衡。所选方法相较于最先进的单个模型取得了有竞争力的结果。最后，我们强调了模型的可解释性，这对运营应用十分重要。
引用
@article{arxiv.2302.08192,
title = {Frugal day-ahead forecasting of multiple local electricity loads by aggregating adaptive models},
author = {Guillaume Lambert and Bachir Hamrouche and Joseph de Vilmarest},
journal= {arXiv preprint arXiv:2302.08192},
year = {2023}
}