IEEE-CIS 第三届技术挑战赛中的预测与优化方法
系统与控制
2022-02-03 v1 机器学习
系统与控制
摘要
本报告描述了我在 IEEE-CIS 第三届技术挑战赛中使用的方法。对于预测，我使用了分位数回归森林方法，输入包括澳大利亚气象局（BOM）提供的太阳变量以及欧洲中期天气预报中心（ECMWF）的众多天气变量。建筑群与所有太阳实例因被观测到随时间高度相关而放在一起训练。其他使用的变量包括基于一天中的小时和一年中的日期的傅里叶值，以及星期几组合的二元变量。时间序列的起始日期根据第一阶段仔细调优，并使用清洗与阈值处理来降低各时间序列的观测错误率。对于优化，采用基于所开发预测的四步法。首先，针对周期性及周期性加一次性活动求解混合整数规划（MIP），随后各自使用混合整数二次规划（MIQP）进行扩展。总体策略从两种（“array”方法与“tuples”方法中的“array”）中选择，而具体步骤改进策略从五种（“无强制放电”等）中选择。
引用
@article{arxiv.2202.00894,
title = {Methodology for forecasting and optimization in IEEE-CIS 3rd Technical Challenge},
author = {Richard Bean},
journal= {arXiv preprint arXiv:2202.00894},
year = {2022}
}
备注
4 pages, 3 figures