BriefGPT - AI 论文速递
·
非参数化端到端概率分布式发电产量预测考虑缺失数据插补
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种基于Wiener-Kallianpur创新表示的生成式概率预测方法，适用于实时市场操作、商业储能和频率调节等领域。该方法具有优越性能。
🎯
关键要点
- 提出了一种基于Wiener-Kallianpur创新表示的生成式概率预测方法。
- 该方法适用于实时市场操作、商业储能和频率调节等领域。
- 预测架构包括一个自编码器，将非参数多变量随机过程转化为规范化的创新序列。
- 生成未来时间序列样本基于过去样本的条件概率分布。
- 新颖的深度学习算法使潜在过程成为独立同分布序列。
- 该方法具有渐近最优性和结构收敛性质。
- 研究了三个应用领域：商业储能位置边际价格预测、互联市场区域价格差预测、频率调节区域控制误差预测。
- 数值研究表明，该方法在概率和点预测指标下优于传统和基于机器学习的预测技术。
➡️
