研究人员开发了一个面向从控制区域到单个消费者等不同电网层级的电力负荷预测新基准。他们的研究发现，基于Transformer的模型，特别是标准Transformer架构，通过将预测误差降低6.6-10.7%，持续优于传统方法。虽然引入了改进型Transformer模型YAformer，但其性能并未超越标准版本。时间序列基础模型Chronos-2在零样本（zero-shot）预测方面表现出竞争力，但在聚合数据中的特殊事件处理方面遇到困难。研究还强调了长输入上下文、协变量和持续再训练对于准确预测的重要性。 AI
影响 Transformer模型在电力负荷预测方面显示出显著改进，有望提高智能电网效率和能源管理水平。
排序理由 学术论文，介绍了基准并评估了模型。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
