LightGTS-Cov: Modell für Kovariaten-basierte Zeitreihenprognosen

Das neue Modell LightGTS‑Cov erweitert das bereits leichte und zeitspezifische LightGTS um eine gezielte Integration externer Kovariaten. Durch die Kombination von Vergangenheit und zukünftig bekannten Einflussfaktoren bleibt die Architektur schlank, während die Vorhersagekraft signifikant gesteigert wird.

LightGTS‑Cov basiert auf einem etwa 1 Mio‑Parameter‑Backbone von LightGTS und ergänzt diesen um ein kleines MLP‑Plug‑in mit rund 0,1 Mio Parametern. Das Plug‑in fügt die zeitlich ausgerichteten Kovariaten in die Decodierung ein und verfeinert die Ausgaben residual, sodass die Vorhersagen die zusätzlichen Informationen optimal nutzen.

In umfangreichen Benchmarks zu Strompreisen und erneuerbarer Energieerzeugung übertrifft LightGTS‑Cov das ursprüngliche LightGTS konsequent und erzielt bessere Ergebnisse als andere kovariatenbasierte Baselines – unabhängig davon, ob zukünftige Kovariaten vorliegen. Die Leistung bleibt dabei sowohl bei historischen als auch bei zukünftigen Daten stabil.

Die praktische Relevanz zeigt sich in zwei realen Energieanwendungen: bei der langfristigen Photovoltaik‑Prognose mit Wettervorhersagen und bei der Tag‑vor‑Tag‑Strompreisprognose unter Einbeziehung von Wetter- und Dispatch‑Plan‑Daten. In beiden Fällen liefert LightGTS‑Cov hohe Genauigkeit und verlässliche Betriebsleistung nach dem Einsatz, was seine Eignung für industrielle Anwendungen unterstreicht.