深度学习模型在电力价格预测方面的比较

研究人员开发了一个标准化的框架来评估深度学习模型在电力价格预测中的应用，解决了该领域缺乏可比数据集的问题。该研究使用2024年德国-卢森堡出价区的公开数据，比较了包括状态空间、MLP、RNN和基于Transformer的模型在内的六种深度学习架构。研究结果表明，N-HiTS和NBEATSx模型在低数据量场景下具有竞争力，而Transformer模型在经过更多调优后可以达到相似的准确性。研究强调了特征选择和超参数调优对于获得最佳性能的重要性。 AI

影响 为评估深度学习模型在电力价格预测中的应用树立了基准，有望提高能源市场的准确性和可靠性。

排序理由 该条目是一篇评估特定任务深度学习模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

• deep learning
• electricity price forecasting
• Germany–Luxembourg border
• Hugging Face
• multilayer perceptron
• NBEATSx
• N-HITS
• recurrent neural network
• Transformer++

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →