Краткое содержание

arXiv:2511.06898v1 Тип объявления: новый Аннотация: Точное прогнозирование цен на электроэнергию на сутки вперед (DAEPF) имеет критическое значение для эффективного функционирования энергосистем, однако экстремальные условия и рыночные аномалии создают значительные трудности для существующих методов прогнозирования. Для преодоления этих трудностей в данной статье предлагается новая гибридная глубокая архитектура машинного обучения, объединяющая модель трансформера с дистиллированным вниманием (Distilled Attention Transformer — DAT) и автоэнкодерную само-регрессию (Autoencoder Self-regression Model — ASM). Модель DAT применяет механизм самовыделения внимания, динамически присваивая больший вес ключевым сегментам исторических данных, эффективно захватывая как долгосрочные тренды, так и краткосрочные колебания. Параллельно модель ASM использует обучение без учителя для выявления и изоляции аномальных паттернов, вызванных экстремальными условиями, такими как сильные дожди, волны тепла или человеческие праздники. Эксперименты на наборах данных из Калифорнии и провинции Шаньдун показывают, что предложенная нами структура значительно превосходит современные методы в предсказании...