Probabilistic energy forecasting through quantile regression in reproducing kernel Hilbert spaces

要約

持続可能で回復力のあるエネルギー開発には、正確なエネルギー需要予測が不可欠です。
DACH 諸国でネットゼロ代表濃度経路 (RCP) 4.5 ドルのシナリオを満たすには、再生可能エネルギーの生産量の増加、エネルギー貯蔵、商業ビルの消費量の削減が必要です。
このシナリオが成功するかどうかは、水力発電の容量と気候要因にかかっています。
情報に基づいた意思決定を行うには、予測の不確実性を定量化する必要があります。
この研究では、エネルギー予測のためのカーネル分位点回帰として知られる \emph{再現カーネル ヒルベルト空間 (RKHS)} に基づくノンパラメトリックな方法を検討します。
私たちの実験では、その信頼性と鮮明さを実証し、DACH 地域の負荷と価格の予測における最先端の方法に対してベンチマークを行います。
研究の再現性を確保するために、追加のスクリプトと組み合わせて実装を提供します。

要約(オリジナル)

Accurate energy demand forecasting is crucial for sustainable and resilient energy development. To meet the Net Zero Representative Concentration Pathways (RCP) $4.5$ scenario in the DACH countries, increased renewable energy production, energy storage, and reduced commercial building consumption are needed. This scenario’s success depends on hydroelectric capacity and climatic factors. Informed decisions require quantifying uncertainty in forecasts. This study explores a non-parametric method based on \emph{reproducing kernel Hilbert spaces (RKHS)}, known as kernel quantile regression, for energy prediction. Our experiments demonstrate its reliability and sharpness, and we benchmark it against state-of-the-art methods in load and price forecasting for the DACH region. We offer our implementation in conjunction with additional scripts to ensure the reproducibility of our research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google