10.13335/j.1000-3673.pst.2021.1056
基于长短时记忆网络-纵横交叉算法的含高比例新能源电力市场日前电价预测
精准的日前电价预测能够协助电力市场参与者做出合理的决策.随着高比例新能源接入电力系统,日前电价的预测难度不断加大.为了提升含高比例新能源电力市场日前电价的预测精度,提出了一种基于奇异谱分析(singular spectrum analysis,SSA)和纵横交叉算法(crisscross optimization,CSO)优化长短时记忆网络(long short-term memory,LSTM)的日前电价预测模型.首先,使用SSA将原始数据分解成趋势序列、周期序列和剩余序列;其次,对各子序列建立LSTM多步预测模型,针对LSTM的全连接输出层参数易陷入局部最优的问题,提出了二次训练LSTM策略,在训练好LSTM模型后,使用CSO算法对全连接层间的权系数与偏置进行微调;最后,将所有预测序列进行叠加即得最终的电价预测值.以北欧丹麦DK1电力市场数据进行了建模预测,实验结果表明所提方法能够有效提高日前电价的预测精度.
电力市场、高比例新能源、日前电价、奇异谱分析、长短时记忆网络、纵横交叉算法
46
TM73(输配电工程、电力网及电力系统)
国家自然科学基金61876040
2022-02-22(万方平台首次上网日期,不代表论文的发表时间)
共9页
472-480