热点事件持续更新
基于净智能电表的户用光伏可见性研究
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
该研究题为《基于净智能电表的户用光伏可见性：部署场景与运行洞察》，2026年10月12日发布于 arXiv（Machine Learning Theory，一手来源）。研究提出四种部署场景，用以区分家庭迁移与时间外推两类泛化问题，在 Ausgrid 智能电表数据上评测深度序列模型的光伏拆分效果，并跨数据集适配到 Pecan Street 数据。实验固定 48 小时上下文长度：最优模型在已见家庭的未来测试期白天 MAE 为 0.104 kW，同期未见家庭升至 0.185 kW。结果显示，部署场景对误差变化的解释力远超模型选择。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
研究显示固定48小时上下文时，未见家庭白天MAE 0.185 kW高于已见家庭的0.104 kW，部署场景影响大于模型选择。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · Machine Learning Theory基于净智能电表的户用光伏可见性：部署场景与运行洞察
研究用四种部署场景区分家庭迁移与时间外推，在 Ausgrid 智能电表数据上评测深度序列模型的 PV 拆分，并跨数据集适配到 Pecan Street 数据。固定 48 小时上下文长度时，最优模型在已见家庭未来测试期的白天 MAE 为 0.104 kW，同期未见家庭升至 0.185 kW，部署场景对误差变化的解释远超模型选择。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。