交互式广义加性模型及其在电力负荷预测中的应用
机器学习
2023-10-25 v1
摘要
电力负荷预测是电力系统规划与管理不可或缺的组成部分。不准确的负荷预测可能导致停电威胁或能源浪费。在数据有限甚至无数据（如节假日或极端天气条件下的负荷预测）时，准确的电力负荷预测具有挑战性。由于负荷预测后通常跟随高利害决策，模型可解释性对于预测模型的采用至关重要。本文提出一种交互式GAM，其不仅可解释，还能融入电力行业的特定领域知识以提升性能。这种基于提升的GAM利用分段线性函数，并可通过我们的高效算法学习。在公开基准与电力数据集上，我们的交互式GAM均优于当前最先进方法，并在极端天气事件案例中展现出良好的泛化能力。我们基于交互式GAM推出了用户友好的Web工具，并已将其集成至我们的eForecaster产品——一个统一的电力预测AI平台。
引用
@article{arxiv.2310.15662,
title = {Interactive Generalized Additive Model and Its Applications in Electric Load Forecasting},
author = {Linxiao Yang and Rui Ren and Xinyue Gu and Liang Sun},
journal= {arXiv preprint arXiv:2310.15662},
year = {2023}
}