共享模型与紧凑适配器改进负荷预测
热点事件观察中
共享模型与紧凑适配器改进负荷预测
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
Haoran Li、Zhe Cheng和Yang Weng提出可扩展概率负荷预测框架，以共享模型学习共同需求行为，仅调整低维参数组件来适配不同负荷，减少逐个建模所需的存储与推理成本。 基于论文摘要，该方法在SMART-DS数据集的590个客户级和变压器级负荷轮廓上，对统计、神经网络、Transformer及预训练时序基线均改善了确定性预测准确性和概率预测质量；目前证据限于摘要所述实验。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
SMART-DS电力负荷概率预测：共享模型结合紧凑适配组件报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · cs.AISMART-DS电力负荷概率预测：共享模型结合紧凑适配组件
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。