arXiv · cs.AI· Haoran Li, Zhe Cheng, Yang Weng·· 2 天前
SMART-DS电力负荷概率预测：共享模型结合紧凑适配组件
From Shared Demand Patterns to Local Uncertainty: Probabilistic Load Forecasting by Mixing Compact Adaptations
arXiv:2610.08538v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Haoran Li, Zhe Cheng, Yang Weng
研究任务与主要进展
研究提出一种面向客户级和变压器级电力负荷的可扩展概率预测框架，通过共享模型学习共同需求行为，仅适配低维参数组件以刻画不同负荷的异质性。基于论文摘要，在 SMART-DS 数据集的590个负荷轮廓上，该方法相较统计、神经网络、Transformer 和预训练时序基线改善了确定性与概率预测质量，并保持较低的存储和推理成本。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org