面向优化的时间序列聚合：一刀切？
最优化与控制
2022-06-08 v1
摘要
使用以不同时间序列作为数据输入的优化模型时，一个根本问题是在模型精度与计算可处理性之间的权衡。为克服这些完整优化模型的计算不可处理性，通常通过时间序列聚合（TSA）方法降低输入数据维度与模型规模。然而，传统 TSA 方法常采用一刀切策略，其基于一种普遍信念：最能逼近输入数据的聚类也会导出最能逼近完整模型的聚合模型，而真正重要的度量——优化结果中产生的输出误差——却未被充分解决。本文中，我们旨在挑战这一信念，并展示具有理论依据的基于输出误差的 TSA 方法在計算效率与精度上具有前所未有的潜力。
引用
@article{arxiv.2206.03186,
title = {Time series aggregation for optimization: One-size-fits-all?},
author = {Sonja Wogrin},
journal= {arXiv preprint arXiv:2206.03186},
year = {2022}
}
备注
time series aggregation, clustering, optimization, modeling