面向聚合可再生能源发电预测的神经网络可解释性
机器学习
2021-06-23 v2
摘要
随着可再生能源的快速增长，大量小型光伏（PV）产消者涌现。由于太阳能发电的不确定性，聚合产消者需要预测太阳能发电量以及太阳能发电是否将大于负荷。本文提出两种可解释神经网络来解决该问题：一个二分类神经网络与一个回归神经网络。神经网络使用 TensorFlow 构建。全局特征重要性与局部特征贡献通过三种基于梯度的方法检验：Integrated Gradients、Expected Gradients 与 DeepLIFT。此外，我们通过贝叶斯神经网络估计预测不确定性，检测出预测可能失败的异常情形。经基于梯度的方法解释并辅以不确定性估计的神经网络，为决策者提供了稳健且可解释的预测。
引用
@article{arxiv.2106.10476,
title = {Neural network interpretability for forecasting of aggregated renewable generation},
author = {Yucun Lu and Ilgiz Murzakhanov and Spyros Chatzivasileiadis},
journal= {arXiv preprint arXiv:2106.10476},
year = {2021}
}