评估电价预测的时间序列基础模型：污染风险、分布变化和协变量依赖性

arXiv:2607.02623v1 公告类型：新 摘要：时间序列基础模型 (TSFM) 已表现出强大的零样本预测性能，但其在协变量驱动的非平稳设置中的泛化尚未得到充分探索。由于复杂的时间依赖性、分布变化以及对结构和上下文信息的强烈依赖，电价预测 (EPF) 是一个具有挑战性的测试平台。我们为 EPF 提出了一个两个数据集基准框架，以减轻污染风险并实现对 TSFM 的公平评估。我们研究了 EPF 的关键方面，包括点和概率预测性能、尾部行为、价格峰值以及与特定领域方法的比较。我们发现 TSFM 具有很强的竞争力，并且通常优于通用基线。然而，它们的性能关键取决于协变量支持，并且它们并不能始终超越为 EPF 定制的特定领域方法。有趣的是，TSFM 和特定领域方法的简单集成似乎具有巨大的潜力，这表明这两种方法捕获了互补的预测信息。