多变量对抗时间序列预测模型
机器学习
2024-06-04 v1
摘要
短期工业企业电力系统预测是负荷控制和机器保护的重要问题。科学家们关注负荷预测，但忽略了其他有价值的电表，这些电表应为电力系统保护提供指导。我们提出了一种新框架——多变量对抗时间序列预测模型，该模型通过对抗过程正则化长短期记忆(LSTM)模型。该新颖模型同时预测电力系统中的所有变量（可能属于不同类型，如连续变量、分类变量等），并有助于在单个变量的预测精度和变量间关系之间进行权衡。实验通过对生成样本的定性和定量评估，展示了该框架的潜力。多变量对抗时间序列预测模型对工业企业用电量的预测结果表明，所提出的方法能够实现更好的预测精度。我们还将该模型应用于通过先进电力监测器从几家大型工业企业收集的真实工业企业电力系统数据，并获得了令人印象深刻的预测结果。
引用
@article{arxiv.2406.00596,
title = {Multi-variable Adversarial Time-Series Forecast Model},
author = {Xiaoqiao Chen},
journal= {arXiv preprint arXiv:2406.00596},
year = {2024}
}
备注
14 pages. arXiv admin note: text overlap with arXiv:1701.00160 by other authors