Probabilistic Forecasting of Real-Time Electricity Market Signals via Interpretable Generative AI
创建于 更新于
摘要
本报告提出了一种基于弱创新自编码器的生成式概率预测方法（WIAE-GPF），能够对实时电力市场信号（如地点边际价格、跨区价差和供需不平衡）进行非参数、可解释的条件概率分布预测。该方法在理论上保证生成样本与真实分布一致，兼具Kalman滤波的直观解释性。大量基于美国电力市场公开数据的实证测试表明，WIAE-GPF优于传统统计及最先进的深度学习模型，包括基于Transformer和大型语言模型的技术，表现出更好的点估计和概率预测能力[page::0][page::5][page::13][page::24][page::39]。
