意大利电力负荷短期预测的正则化方法
信号处理
2022-01-02 v1 机器学习
摘要
我们将预测意大利电力负荷完整24小时曲线的问题视为一个多任务学习问题，并通过替代正则化方法控制其复杂度。考虑到每15分钟采样一次，共使用96个预测器，每个预测器线性依赖于96个回归变量。96x96的权重矩阵可被视为并显示为一个在方形域上采样的曲面。我们探索了不同的正则化和稀疏化方法来降低该曲面的自由度，并将所得预测结果与意大利输电系统运营商Terna的预测结果进行比较。除了在15分钟平均绝对百分比误差和平均绝对误差方面优于Terna外，预测残差与Terna的预测结果呈弱相关性，这表明通过预测聚合可能实现进一步改进。事实上，在所考察的三个测试年份中，聚合预测在15分钟和日平均绝对百分比误差、平均绝对误差及均方根误差方面均带来了进一步显著下降（最高达30%）。
引用
@article{arxiv.2112.04604,
title = {Regularization methods for the short-term forecasting of the Italian electric load},
author = {Alessandro Incremona and Giuseppe De Nicolao},
journal= {arXiv preprint arXiv:2112.04604},
year = {2022}
}