基于相似日筛选与组合深度学习模型的日前电价预测方法OA北大核心
准确的日前电价预测是市场运行和政策规划的基础,而市场披露信息是电价预测的重要依据。提出了引入Self-attention机制的CNN-GRU组合深度学习电价预测模型。首先,针对山西电力现货市场交易流程及日前电价形成机制,采用最大互信息系数法对市场披露的日前边界条件等信息数据进行特征提取,以确定电价关键影响因素及其权重系数。其次,基于加权灰色关联度的历史相似日筛选方法生成电价预测历史数据集,并挖掘电价及其特征的内部变化规律。然后,基于历史数据集,采用引入Self-attention机制的CNN-GRU模型得到预测电价。最后,通过算例验证了所提预测方法的有效性及准确性。
艾雨;贾燕冰;韩肖清
电力系统运行与控制山西省重点实验室(太原理工大学),山西省太原市030024 煤电清洁控制教育部重点实验室(太原理工大学),山西省太原市030024电力系统运行与控制山西省重点实验室(太原理工大学),山西省太原市030024 煤电清洁控制教育部重点实验室(太原理工大学),山西省太原市030024电力系统运行与控制山西省重点实验室(太原理工大学),山西省太原市030024 煤电清洁控制教育部重点实验室(太原理工大学),山西省太原市030024
动力与电气工程
日前电价预测边界条件最大互信息系数相似日筛选Self-attention机制
《电网技术》 2025 (1)
P.242-251,I0088,11
国家自然科学基金重点项目(U1910216)国家自然科学基金青年基金项目(51807129)。
评论