Real-E：面向提升鲁棒性与可泛化电力预测的基准数据集
机器学习
2025-09-09 v1 人工智能
摘要
能源预测对电网可靠性和运营效率至关重要。尽管近期的时间序列预测技术取得了进展，但现有基准数据集在空间与时间范围上仍有限，且缺乏多能源特征。这引发对其在实际部署中的可靠性和适用性的质疑。为此，我们提出了 Real-E 数据集，涵盖超过 74 个电站、30+ 个欧洲国家，跨越 10 年，包含丰富的元数据。利用 Real-E，我们进行了大规模数据分析，并在 20 多种基线模型上进行基准测试。我们引入了新的指标来量化相关结构的变化，发现现有方法在该数据集上表现不佳，该数据集呈现更复杂且非平稳的相关动态。我们的发现揭示了当前方法的关键局限性，为构建更鲁棒的预测模型提供了坚实的实证依据。
引用
@article{arxiv.2509.05768,
title = {Real-E: A Foundation Benchmark for Advancing Robust and Generalizable Electricity Forecasting},
author = {Chen Shao and Yue Wang and Zhenyi Zhu and Zhanbo Huang and Sebastian Pütz and Benjamin Schäfer and Tobais Käfer and Michael Färber},
journal= {arXiv preprint arXiv:2509.05768},
year = {2025}
}
备注
4 pages, CIKM 2025