我应该信任谁?一种用于比较净负荷预测模型的视觉分析方法
人机交互
2025-03-13 v1 人工智能
机器学习
系统与控制
信号处理
系统与控制
摘要
净负荷预测对于能源规划以及促进关于交易和负荷分配的知情决策至关重要。然而,评估预测模型相对于基准模型的性能仍然具有挑战性,从而阻碍了专家对模型性能的信任。在此背景下,需要能够使科学家跨不同时间段和太阳能渗透水平比较模型的技术干预手段。本文介绍了一种基于视觉分析的应用,用于比较基于深度学习的净负荷预测模型与其他模型在概率净负荷预测方面的性能。该应用采用了精心选择的视觉分析干预手段,使用户能够辨别不同太阳能渗透水平、数据集分辨率和一天中不同小时在多个月份内的模型性能差异。我们还通过案例研究展示了使用本应用所获得的观察结果,证明了可视化在帮助科学家做出知情决策和增强对净负荷预测模型信任方面的有效性。
引用
@article{arxiv.2407.21299,
title = {Who should I trust? A Visual Analytics Approach for Comparing Net Load Forecasting Models},
author = {Kaustav Bhattacharjee and Soumya Kundu and Indrasis Chakraborty and Aritra Dasgupta},
journal= {arXiv preprint arXiv:2407.21299},
year = {2025}
}
备注
Accepted for publication in the proceedings of 2025 IEEE PES Grid Edge Technologies Conference & Exposition (Grid Edge)