ReModels: Quantile Regression Averaging models

电价预测在电力市场中制定关键业务决策中起着至关重要的作用。在这个领域中，焦点是概率预测，它比简单的点预测更全面地描述了未来价格走势。预测能源价格的概率方法的黄金标准是分位数回归平均（QRA）方法。本文介绍了一个Python包，包括QRA的实现以及近年来出现在文献中的这种方法的修改。所提出的包还便于获取和准备与电力市场相关的数据，以及评估模型预测。

本篇论文旨在解决电力市场中电价预测的问题，尤其是针对概率预测的问题。

本文介绍了量化回归平均（QRA）方法及其在电力市场中的应用，同时提出了一些对QRA方法的改进，包括非参数回归和LASSO方法。

本文提出的Python包可以用于处理电力市场数据并进行模型预测的评估。实验使用了多个数据集，并且开源了代码。本文提出的改进方法在预测精度上有所提高，值得进一步研究。

最近的相关研究包括：1. Probabilistic Forecasting of Electricity Prices Using Quantile Regression Neural Network (QRNN); 2. Probabilistic Forecasting of Electricity Prices with Ensemble of Neural Networks and Bootstrapping.