Naukowcy opracowali framework do prognozowania cen elektryczności, który wykorzystuje model foundation Chronos-2 dostosowany specjalnie do predykcji cen dnia następnego na rynkach spot. Zamiast tradycyjnych metod wymagających rozbudowanych historycznych danych z każdego rynku, nowe podejście opiera się na technice Gated-LoRA - aktualizuje zaledwie około 1 procent parametrów modelu, przez co jest efektywne obliczeniowo.
Kluczową innowacją jest integracja wieloźródłowej informacji rynkowej (MSMI), która łączy 7-dniowy kontekst cen z danymi o podaży, popycie, rezerwach energetycznych, planowanym utrzymaniem infrastruktury, pojemnościach generatorów i przepustowościach linii międzysystemowych. Specjalnie zaprojektowana bramka (gate) skaluje adapter źródłowy na podstawie wskaźników ciasności rezerw i stanu operacyjnego systemu, co pozwala modelowi dostosować się do specyfiki każdego rynku bez etykiet docelowych.
Badacze testowali metodę na czterech chińskich prowincjonalnych rynkach dnia następnego, stosując protokół leave-one-market-out, co pozwala ocenić zdolność transferu między rynkami. Proponowany framework zmniejszył średni błąd bezwzględny (MAE) o 6,24 procent i pierwiastkowy błąd średniokwadratowy (RMSE) o 7,99 procent w porównaniu do baseline Chronos-2, oraz o 3,05 procent i 3,52 procent względem standardowego Source-LoRA. Wyniki pokazują, że poprawa wymaga specjalnie zaprojektowanej bramki - stosowanie zwykłego skalara lub losowej inicjalizacji bramki nie dają podobnych rezultatów, choć przyrost wydajności nad źródłowym LoRA jest w rzeczywistości ograniczony.