2DXformer: Dual Transformers for Wind Power Forecasting with Dual Exogenous Variables

要約

正確な風力発電予測は、科学的な発送電計画の策定に役立ち、電力系統の安全性、安定性、効率的な運用を維持する上で大きな意義がある。近年、ディープラーニングに基づく風力発電予測手法は、データ間の時空間相関の抽出に焦点を当て、予測精度の大幅な向上を達成している。しかし、これらには2つの限界がある。第一に、変数間の関係をモデル化していないため、予測精度に限界がある。第二に、内生変数と外生変数を同等に扱うことで、内生変数と外生変数の間に不要な相互作用が生じ、モデルが複雑化する。本論文では、時空間相関に着目した先行研究を基に、前述の2つの限界に対処する2DXformerを提案する。具体的には、モデルの入力を外生的静的変数、外生的動的変数、内生的変数の3種類に分類する。まず、これらの変数をチャネルに依存しない方法で変数トークンとして埋め込む。次に、注意メカニズムを用いて外生変数間の相関を捉える。最後に、外生変数が内生変数に与える影響をモデル化するために、残差接続を持つ多層パーセプトロンを採用する。2つの実世界の大規模データセットでの実験結果は、我々の提案する2DXformerが風力発電予測の性能をさらに改善できることを示している。コードはこのリポジトリで公開されている：\https://github.com/jseaj/2DXformer}{https://github.com/jseaj/2DXformer}。

要約(オリジナル)

Accurate wind power forecasting can help formulate scientific dispatch plans, which is of great significance for maintaining the safety, stability, and efficient operation of the power system. In recent years, wind power forecasting methods based on deep learning have focused on extracting the spatiotemporal correlations among data, achieving significant improvements in forecasting accuracy. However, they exhibit two limitations. First, there is a lack of modeling for the inter-variable relationships, which limits the accuracy of the forecasts. Second, by treating endogenous and exogenous variables equally, it leads to unnecessary interactions between the endogenous and exogenous variables, increasing the complexity of the model. In this paper, we propose the 2DXformer, which, building upon the previous work’s focus on spatiotemporal correlations, addresses the aforementioned two limitations. Specifically, we classify the inputs of the model into three types: exogenous static variables, exogenous dynamic variables, and endogenous variables. First, we embed these variables as variable tokens in a channel-independent manner. Then, we use the attention mechanism to capture the correlations among exogenous variables. Finally, we employ a multi-layer perceptron with residual connections to model the impact of exogenous variables on endogenous variables. Experimental results on two real-world large-scale datasets indicate that our proposed 2DXformer can further improve the performance of wind power forecasting. The code is available in this repository: \href{https://github.com/jseaj/2DXformer}{https://github.com/jseaj/2DXformer}.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL