基于市场信息感知的Gated-LoRA框架:提升电力价格预测跨市场迁移能力
摘要:本研究提出了一种基于市场信息感知的Gated-LoRA框架,用于将时间序列基础模型Chronos-2迁移至日度电力价格预测任务。该方法通过构建多源市场信息接口(MSMI),并训练仅更新1%模型参数的源域门控低秩适配器(LoRA),实现了无需目标市场标签的跨市场迁移。实验表明,该框架在四个中国省级现货市场中相较于零样本Chronos-2和传统Source-LoRA分别降低了平均MAE/RMSE 6.24%/7.99%和3.05%/3.52%。研究结果验证了市场结构化输入和状态依赖的门控LoRA在数据稀缺电力市场中的迁移潜力。
研究背景与挑战
电力价格预测对于市场参与者至关重要,但面临价格波动性、市场特异性以及与预期系统条件的高度关联性等挑战。现有的监督学习方法高度依赖市场特定的历史数据,这限制了其在新兴或数据稀缺市场中的应用。
方法与创新
本研究提出了一种基于市场信息感知的Gated-LoRA框架,具体方法包括:
- 多源市场信息接口(MSMI)构建:将7天的价格上下文与预清算供需、储备、维护、发电容量及互联变量对齐。
- 源域门控低秩适配器(LoRA)训练:仅更新约1%的模型参数,并使用储备紧张度和运行状态信号对冻结的源适配器进行缩放。
- 跨市场迁移评估:采用留一市场协议(Leave-One-Market-Out)进行评估,确保模型的泛化能力。
实验结果
在四个中国省级现货市场的实验中,该框架相较于市场信息感知的零样本Chronos-2和传统Source-LoRA,分别实现了平均MAE/RMSE降低6.24%/7.99%和3.05%/3.52%。实验还表明,通过学习全局标量或随机门控初始化无法复现这种增益,而相较于Source-LoRA的额外改进有限。这些结果验证了市场结构化输入和状态依赖的门控LoRA在数据稀缺电力市场中的迁移潜力。
行业影响与开发者建议
- 行业影响:该研究为数据稀缺市场的电力价格预测提供了一种实用的迁移路径,有助于提升市场参与者的预测精度和决策能力。
- 开发者建议:建议在类似的数据稀缺场景中尝试应用类似的门控适配器方法,并结合领域知识构建更有效的多源信息接口。
结论
市场结构化输入和状态依赖的门控LoRA为跨市场电力价格预测提供了一种有效的迁移方法,特别是在数据稀缺的情况下展现出显著优势。
参考文献
—— 完 ——消息来源:ArXiv Machine Learning (cs.LG) (2026-08-13)
主题标签: #Chronos-2 #Gated-LoRA #电力价格预测 #跨市场迁移 #数据稀缺
编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。
社区整体评论区