基于可解释生成式 AI 的实时电力市场信号概率预测
信号处理
2024-09-25 v5 机器学习
综合经济学
经济学
摘要
本文引入了一种生成式 AI 方法，用于实时电力市场信号的概率预测，包括节点边际电价、区域间价差和供需失衡。我们提出了 WIAE-GPF，一种基于弱创新自编码器的生成式概率预测架构，用于生成多元时间序列的未来样本。与传统的黑盒模型不同，WIAE-GPF 通过非参数时间序列的 Wiener-Kallianpur 创新表示提供可解释性，使其成为基于 Wiener/Kalman 滤波预测的非参数推广。提出了一种具有结构收敛性保证的新型学习算法，确保在理想训练条件下，生成的预测样本与真实条件概率分布相匹配。使用美国独立系统运营商的公开数据，在各种点预测和概率预测指标下进行的广泛测试表明，WIAE-GPF 始终优于经典方法和前沿机器学习技术。
引用
@article{arxiv.2403.05743,
title = {Probabilistic Forecasting of Real-Time Electricity Market Signals via Interpretable Generative AI},
author = {Xinyi Wang and Qing Zhao and Lang Tong},
journal= {arXiv preprint arXiv:2403.05743},
year = {2024}
}