Zero-shot time-series foundation models against the Khepri v1.5 baselines for 96-hour carbon-intensity forecasts in nine Nordic bidding zones: a preregistered comparison

📄 arXiv: 2611.02895v1 📥 PDF

作者: Eirik Botten Nicolaysen

分类: physics.soc-ph, cs.LG

发布日期: 2026-11-02

备注: 15 pages. Code, data and preregistration proofs: https://doi.org/10.5281/zenodo.23881315

💡 一句话要点

提出零-shot时间序列基础模型以提高碳强度预测精度

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 时间序列预测 零-shot学习 碳强度预测 机器学习 模型比较

📋 核心要点

  1. 现有的碳强度预测方法如SARIMA和GBM在准确性和适应性上存在不足，尤其在零-shot学习场景中表现不佳。
  2. 论文提出了三种零-shot时间序列基础模型，旨在利用大规模上下文信息来提高碳强度预测的准确性，避免了传统模型的限制。
  3. 实验结果表明，三种模型在96小时的碳强度预测中，MAPE均优于基线模型，且在多个区域均表现出显著的提升。

📝 摘要（中文）

本文比较了三种零-shot时间序列基础模型（Timestral-5M、Timestral-209M和Chronos-2）与Khepri v1.5的SARIMA和GBM基线模型在北欧竞标区的96小时碳强度预测中的表现。研究通过预注册设计和分析代码，确保了结果的可靠性。实验结果显示，三种模型在所有九个区域的平均绝对百分比误差（MAPE）均低于基线模型，且在后续的持出测试中表现一致，验证了模型的有效性和稳定性。

🔬 方法详解

问题定义：本文旨在解决现有碳强度预测模型在准确性和适应性上的不足，尤其是在零-shot学习场景中的表现不佳。现有的SARIMA和GBM模型在处理复杂的时间序列数据时，往往无法充分利用上下文信息，导致预测效果不理想。

核心思路：论文提出的核心思路是利用零-shot时间序列基础模型，通过引入大规模上下文信息来提升碳强度预测的准确性。这种方法避免了传统模型对特定数据集的依赖，能够更好地适应不同区域的预测需求。

技术框架：整体架构包括数据预处理、模型训练和预测三个主要阶段。首先，对历史碳强度数据进行清洗和标准化处理；然后，使用三种零-shot模型进行训练，最后进行96小时的碳强度预测，并与基线模型进行比较。

关键创新：最重要的技术创新点在于引入了零-shot学习的概念，使得模型能够在没有特定训练数据的情况下，依然能够进行有效的预测。这与传统模型依赖于大量标注数据的方式形成了鲜明对比。

关键设计：在模型设计上，采用了8192小时的上下文信息，且不使用协变量。模型的超参数设置保持不变，确保了实验的可重复性和结果的可靠性。

📊 实验亮点

实验结果显示，三种零-shot模型在2025年的测试中，平均绝对百分比误差（MAPE）比基线模型低0.952到1.347个百分点，且在所有九个区域均优于SARIMA模型。后续的持出测试结果也表明，模型的表现稳定且一致，进一步验证了其有效性。

🎯 应用场景

该研究的潜在应用领域包括能源管理、环境监测和政策制定等。通过提高碳强度预测的准确性，能够为可再生能源的调度和碳排放的管理提供更为科学的依据，进而推动可持续发展目标的实现。

📄 摘要（原文）

We compare three zero-shot time-series foundation models (Timestral-5M, Timestral-209M and Chronos-2, 8192-hour context, no covariates) with the Khepri v1.5 SARIMA and GBM baselines, with their code and hyperparameters unchanged, for 96-hour forecasts of hourly carbon intensity in the Nordic bidding zones NO1-NO5 and SE1-SE4. The design, the analysis code and a minimum detectable effect (MDE) were timestamped before any foundation-model forecast by an OpenTimestamps proof (Bitcoin-confirmed) and the GPG-signed tag prereg-v1; the proofs are archived in Zenodo (DOI 10.5281/zenodo.23881315). The preregistration was also submitted to OSF Registries 2026-11-02 07:49 UTC (osf.io/hncz5; embargo requested, pending OSF approval). On the 2025 test (361 daily origins, contamination not ruled out) all three models have a lower zone-averaged MAPE than both baselines, by 0.952 to 1.347 percentage points (Diebold-Mariano with the Harvey-Leybourne-Newbold correction, all p < 0.0001), and each beats SARIMA in 9 of 9 zones. On a post-release holdout of 14 origins from 2026-10-16 the point estimates have the same sign (0.729 to 1.326 percentage points lower), but all lie within the preregistered MDE of 2.989 points and are reported as not determined. For calibration (RQ4) the preregistration locked a Diebold-Mariano-HLN test on CRPS; the MDE applies to MAPE only. Holdout CRPS point estimates (n = 14) are 1.1114 (Timestral-5M), 1.0733 (Timestral-209M) and 1.1198 (Chronos-2) against 1.4165 gCO2-eq/kWh for SARIMA (each p < 0.0001). The SARIMA quantiles are constructed from the fitted model's Gaussian predictive distribution (deviation D-03), not taken from a native v1.5 forecast, so the difference may partly reflect the SARIMA intervals. The contamination indicator does not exceed its preregistered threshold for any comparison; with 14 holdout origins it has low power (HAC standard errors 0.124 to 0.360 pp).