区域供热网络中 TabPFN-TS 与 Chronos-2 零样本热负荷预测的系统性评估

arXiv:2608.20024v2 公告类型：替换 摘要：区域供热能源枢纽需要可靠的热负荷预测，以实现高效的运行调度。随着网络演变，基于历史数据训练的预测模型可能需要重新训练。因此，零样本时间序列基础模型和上下文预测提供了一种有前景的替代方案：它们可以在推理时根据近期观测进行适应，而不必反复重新训练。本研究系统性评估了 TabPFN-TS 和 Chronos-2 在德国两个区域供热网络中的概率热负荷预测表现，并将其与经过训练的基线模型进行比较。我们评估了 TabPFN-TS 能否捕捉复杂的区域供热动态，其底层模型完全基于合成表格数据而非时间序列数据进行预训练。我们在选定的运行周内分析了协变量选择、上下文长度、时间分辨率和预测时域的影响，在全年范围内评估了选定配置，并评估了跨网络迁移能力。主要基准测试假设天气预报完全准确；另行开展的敏感性分析则使用历史天气预报。采用 12 周滚动上下文和环境温度、以小时为分辨率预测未来 24 小时，可形成一种精简配置；更长的上下文窗口并不能提高准确性。在全年基准测试中，两种时间序列基础模型（TSFM）的确定性预测准确性均优于所有经过训练的基线模型。Chronos-2 取得了最佳确定性预测评分，TabPFN-TS 与其表现接近：二者在主数据集上的均方根误差变异系数（CVRMSE）分别为 12.48% 和 13.07%。Chronos-2 在两个网络中也取得了更低的连续排序概率评分，TabPFN-TS 的表现仍与其接近。基于 TSFM 的 Multi-Resolution Residual-Correction Forecaster 将小时级基础预测与短期高分辨率修正相结合。相较于直接进行高分辨率预测，该方法通常能够降低 12 小时时段内总热需求的预测误差，并缩短所记录的预测耗时。