electricity price forecasting
PulseAugur coverage of electricity price forecasting — every cluster mentioning electricity price forecasting across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新型混合神经网络提高电力价格预测精度
开发了一种新型混合神经网络架构用于电力价格预测，结合了线性和非线性前馈神经网络结构。该模型采用了一种新颖的局部在线学习策略，通过为每个训练阶段使用不同的超参数配置来减少计算时间。此外，该框架通过 Bernstein Online Aggregation (BOA) 集成预测组合，以提高准确性。在一项对欧洲主要电力市场的六年研究中，该方法显示出显著的改进，与最先进的基准相比，计算成本降低了 11-12%，均方根误差 (RMSE) 降低了…
-
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。
-
时间序列基础模型在电力价格预测方面展现出潜力
一篇新的研究论文评估了时间序列基础模型（TSFMs）在电力价格预测领域的性能，该领域以复杂的时间依赖性和分布偏移为特征。该研究引入了一个基准测试框架，以减轻污染风险并评估TSFMs的泛化能力。研究结果表明，TSFMs具有竞争力，并且通常优于一般基线模型，尽管其有效性取决于协变量支持，并且它们并不总是能超越专业方法。研究建议将TSFMs与特定领域的方法相结合，可以捕捉互补的预测信息。