塔伊布、苏哈伊布·本;詹姆斯·泰勒。;罗布·亨德曼。 使用智能电表数据进行电力需求的分层概率预测。 （英语） Zbl 1457.62286号 美国统计协会。 116，编号533，27-43（2021）. 概述：关于跨电网供电的决策必须考虑到需求的固有不确定性。最优决策需要对具有不同聚合级别（如变电站、城市和地区）的层次结构中的需求进行概率预测。预测应一致，即合计序列的预测应等于相应分类序列的预测之和。一致性至关重要，因为在一个层级上的电力分配取决于上一层级提供的适当数量。我们介绍了一种新的基于英国住宅智能电表数据的大层次概率预测方法。我们发现，由于有效的预测组合，我们的方法提供了一致且准确的概率预测。此外，通过避免分布假设，我们发现我们的方法捕捉到了智能电表层次结构中的各种分布。最后，结果证实，为了确保大规模层次结构中的一致性，只需对一组低维依赖项进行建模，而不必对层次结构中所有序列的整个联合分布进行建模。在实现一致和准确的分层概率预测方面，这项工作有助于改进智能电网的决策。 引用于5文件 MSC公司： 62M20型 随机过程推断和预测 第60页 统计学在工程和工业中的应用；控制图 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 关键词：时间序列的集合;经验连接词;预测组合;预测分布;智能电表 软件：预测;预测 PDF格式BibTeX公司 XML格式引用 \textit{S.B.Taieb}et al.，J.Am.Stat.Assoc.116，No.533，27-43（2021年；Zbl 1457.62286） 全文： 内政部 链接 参考文献： [1] 技术报告，能源需求研究项目：最终分析（2011年），英国赫特福德郡AECOM大厦 [2] AECOM建筑工程，“能源需求研究项目：早期智能电表试验，2007-2010”（2014） [3] 阿本茨，P。；Hummel，C。；Mainik，G.，“通过样本重新排序实现基于Copula的层次风险聚合，保险、数学和经济学，51，122-133（2012）·Zbl 1284.91198号 ·doi:10.1016/j.insmateco.2012.03.009 [4] Arora，S。；Taylor，J.W.，“使用条件核密度估计预测电力智能仪表数据，Omega，59，47-59（2016）·doi:10.1016/j.omega.2014.08.008 [5] Ben，Taieb；Huser，R。；Hyndman，R.J。；Genton，M.G.，“通过增强加性分位数回归预测电力智能仪表数据的不确定性，IEEE智能电网交易，72448-2455（2016）·doi:10.1109/TSG.2016.2527820 [6] 贝罗卡尔，V.J。；Raftery，A.E。；Gneiting，T。；Steed，R.C.，“冬季道路养护的概率天气预测，美国统计协会期刊，105，522-537（2010）·Zbl 1392.62330号 ·doi:10.1198/jasa.2009.ap07184 [7] 贝萨·R·J。；Trindade，A。；Miranda，V.，“智能电网的时空太阳能预测，IEEE工业信息学汇刊，11，232-241（2015）·doi:10.1109/TII.2014.2365703 [8] Borenstein，S。；Bushnell，J.，“20年重组后的美国电力行业，《经济学年度评论》，7437-463（2015）·doi:10.1146/anurev-economics-080614-115630 [9] 博尔赫斯，C.E。；彭亚，Y.K。；Fernandez，I.，“评估大型电力系统和智能电网的组合负荷预测，IEEE工业信息学汇刊，9，1570-1577（2013）·doi:10.1109/TII.2012.2219063 [10] Cabrera，B.L。；Schulz，F.，“预测电力需求的广义分位数：功能数据方法”，《美国统计协会杂志》，112127-136（2017）·doi:10.1080/01621459.2016年12月19259日 [11] Cho，H。；古德，Y。；Brossat，X.公司。；Yao，Q.，“每日电力负荷曲线建模和预测：混合方法”，《美国统计协会杂志》，108，7-21（2013）·Zbl 1379.62091号 ·doi:10.1080/01621459.2012.722900 [12] 科特特，R。；Smith，M.，“日间电力负荷的贝叶斯建模和预测”，《美国统计协会杂志》，98，839-849（2003）·doi:10.1198/0162145000000774 [13] De Livera，A.M。；Hyndman，R.J。；Snyder，R.，“使用指数平滑预测具有复杂季节模式的时间序列，美国统计协会期刊，1061513-1527（2011）·兹比尔12346.2123 ·doi:10.1198/jasa.2011.tm09771 [14] 道尔，J。；Pinson，P.，“稀疏向量自回归的短期概率风电预测”，IEEE智能电网交易，7763-770（2016） [15] Gijbels，I。；Herrmann，K.，“关于具有Copula-Induced Dependency的随机变量和的分布，保险，数学和经济学，59，27-44（2014）·Zbl 1323.62020年 ·doi:10.1016/j.insmateco.2014.08.002 [16] Gneiting，T.，“制定和评估点预测，美国统计协会杂志，106，746-762（2011）·Zbl 1232.62028号 ·doi:10.1198/jasa.2011.r10138 [17] Gneiting，T。；Balabdaoui，F。；Raftery，A.E.，“概率预测、校准和清晰度，皇家统计学会期刊，B辑，69，243-268（2007）·Zbl 1120.62074号 ·文件编号：10.1111/j.1467-9868.2007.00587.x [18] Gneiting，T。；Katzfuss，M.，“概率预测，统计及其应用的年度回顾，1125-151（2014）·doi:10.1146/annurev-statistics-062713-085831 [19] Gneiting，T。；Ranjan，R.，“使用阈值和数量加权评分规则比较密度预测”，《商业与经济统计杂志》，29，411-422（2011）·Zbl 1219.91108号 ·doi:10.1198/jbes.2010.08110 [20] 格里米特，E.P。；Gneiting，T。；贝罗卡尔，V.J。；Johnson，N.A.，“循环变量的连续排序概率分数及其在中尺度预报集合验证中的应用”，《皇家气象学会季刊》，1322925-2942（2006）·doi:10.1256/qj.05.235 [21] 哈本，S。；沃德·J。；Vukadinovic Greetham，D。；辛格尔顿，C。；Grindrod，P.，“家庭水平预测的新误差测量，高分辨率电能消耗，国际预测杂志，30，246-256（2014）·doi:10.1016/j.ijforecast.2013.08.002 [22] 霍尔，P。；Racine，J。；Li，Q.，“交叉验证和条件概率密度估计，美国统计协会杂志，991015-1026（2004）·兹比尔1055.62035 ·doi:10.1198/016214500000548 [23] Hong，T。；平森，P。；扇，S。；Zareipour，H。；Troccoli，A。；Hyndman，R.J.，“概率能源预测：2014年及以后的全球能源预测竞赛”，《国际预测杂志》，32，896-913（2016）·doi:10.1016/j.ij预测2016.02.001 [24] Hyndman，R。；Athanasopoulos，G。；Bergmeir，C。；Caceres，G。；Chhay，L。；奥哈拉-维尔德，M。；Petropoulos，F。；Razbash，S。；王，E。；Yasmeen，F.，“预测：时间序列和线性模型的预测功能”，R包8.9版（2019年） [25] Hyndman，R.J。；艾哈迈德·R·A。；Athanasopoulos，G。；Shang，H.L.，“层次时间序列的最优组合预测，计算统计与数据分析，552579-2589（2011）·Zbl 1464.62095号 ·doi:10.1016/j.csda.2011.03.006 [26] Hyndman，R.J。；Khandakar，Y.，“预测的自动时间序列：R的预测包”，《统计软件杂志》，27，1-22（2008）·doi:10.18637/jss.v027.i03 [27] Hyndman，R.J。；Lee，A.J。；Wang，E.，“分层和分组时间序列协调预测的快速计算，计算统计与数据分析，97，16-32（2016）·Zbl 1468.62086号 ·doi:10.1016/j.csda.2015.11.007 [28] 伊曼·R·L。；Conover，W.J.，“诱导输入变量之间秩相关的无分布方法，统计中的通信——模拟和计算，11，311-334（1982）·Zbl 0496.65071号 ·doi:10.1080/0361098208812265 [29] Jeon，J。；Taylor，J.W.，“使用条件核密度估计进行风力发电密度预测，美国统计协会期刊，107，66-79（2012）·Zbl 1261.62031号 ·doi:10.1080/01621459.2011.643745 [30] Kremer，M。；西姆森，E。；Thomas，D.J.，“总和及其部分：判断层次预测”，《管理科学》，622745-2764（2016）·doi:10.1287/mnsc.2015.2259 [31] Mainik，G.，“具有经验边际的风险聚合：拉丁超立方体、经验Copula和和分布的收敛性”，《多元分析杂志》，141197-216（2015）·Zbl 1327.62274号 ·doi:10.1016/j.jmva.2015.07.008 [32] Mirowski，P。；陈，S。；何敏嘉。；Yu，C.-N.，“智能电网的需求预测，贝尔实验室技术期刊，18，135-158（2014）·doi:10.1002/bltj.21650 [33] 米西提，M。；米西提，Y。；奥本海姆，G。；Poggi，J.-M.，《非汇总电力负荷预测的优化集群》，REVSTAT-统计杂志，第8期，第105-124页（2010年）·Zbl 1297.62253号 [34] Nelsen，R.B.，《Copulas简介》（2007），纽约：Springer，纽约 [35] 巴顿，A.J.，“非对称汇率依赖建模”，《国际经济评论》，第47期，第527-556页（2006年）·文件编号：10.1111/j.1468-2354.2006.00387.x [36] 拉姆特尔，S.D。；Vytelingum，P。；罗杰斯，A。；Jennings，N.R.，“将‘Smarts’放入智能电网：人工智能的巨大挑战，ACM通信，55，86-97（2012）·doi:10.1145/2133806.2133825 [37] A.拉姆达斯。；特里洛斯，N.G。；Cuturi，M.，“关于Wasserstein双样本测试和相关非参数测试家族，熵，19，47（2017）·doi:10.3390/e19020047 [38] Rüschendorf，L.，“关于分布变换、Sklar定理和经验Copula过程，统计规划与推断杂志，139，3921-3927（2009）·Zbl 1171.60313号 ·doi:10.1016/j.jspi.2009.05.030 [39] Schäfer，J。；Strimmer，K.，“大尺度协方差矩阵估计的收缩方法及其对功能基因组学的影响，遗传学和分子生物学的统计应用，4，32（2005）·doi:10.2202/1544-6115.1175 [40] 谢夫齐克，R。；Thorarinsdottir，T.L。；Gneiting，T.，“使用集合Copula耦合对复杂仿真模型中的不确定性进行量化，统计科学，28，616-640（2013）·Zbl 1331.62265号 ·doi:10.1214/13-STS443 [41] Sklar，M.（1959），“分区功能”，巴黎大学8·Zbl 0100.14202号 [42] 史密斯，M。；最小，A。；阿尔梅达，C。；Czado，C.，“使用序列相关性的对Copula分解建模纵向数据，美国统计协会杂志，105，1467-1479（2010）·Zbl 1388.62171号 ·doi:10.1198/jasa.2010.tm09572 [43] 太阳，X。；卢，P.B。；Cheung，K.W。；关，W。；米歇尔，L.D。；S.S.文卡塔。；Miller，M.T.，“配电层短期负荷预测的有效方法”，IEEE电力系统汇刊，312526-2537（2016）·doi:10.1109/TPWRS.2015.2489679 [44] Taylor，J.W.，“具有多个季节周期的日间时间序列预测的指数加权方法”，《国际预测杂志》，26，627-646（2010）·doi:10.1016/j.ij预测.2010.02.009 [45] 泰勒，J.W。；Buizza，R.，“具有天气集合预测的神经网络负荷预测，IEEE电力系统汇刊，17226-632（2002）·doi:10.1109/TPWRS.2002.800906 [46] 泰勒，J.W。；McSharry，P。；El-Hawary，M.，《电力和能源进展》；电力系统工程，IEEE出版社电力工程系列，短期负荷预测的单变量方法，”，17-40（2012），新泽西州霍博肯：威利，霍博肯，新泽西 [47] van Erven，T。；库利亚里，J。；安东尼亚迪斯，A。；Poggi，J.M。；Brossat，X.，高维预测的建模和随机学习，当代分层时间序列预测的博弈论最优协调，“，297-317（2015），Cham:Spriger，Cham [48] Wickramasuriya，S.L。；Athanasopoulos，G。；Hyndman，R.J.，“通过轨迹最小化实现分层和分组时间序列的最优预测协调”，《美国统计协会杂志》，114804-819（2018）·Zbl 1420.62402号 ·doi:10.1080/01621459.2018.1448825 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。