融合外生变量的日前节点边际电价深度学习预测模型
机器学习
2020-10-14 v1
摘要
已有多种方法被提出用于预测放松管制能源市场中的日前节点边际电价(daLMP)。深度学习的兴起促使人们将其用于能源价格预测,但大多数深度学习方法未能考虑外生变量,而外生变量对 daLMP 的波峰和波谷有显著影响。daLMP 波谷的准确预测对发电商至关重要,因为他们面临的最重要决策之一是:是否亏本售电以避免停机和启动成本,还是按生产成本报价并承担停机风险。在本文中,我们提出了一种深度学习模型,该模型同时纳入 daLMP 的历史数据与外生变量(如预测负荷、天气数据)的影响。在 PJM 独立系统运营商(ISO)开展的数值研究说明了所提模型优于传统时间序列技术,同时支持基于风险的停机决策分析。
引用
@article{arxiv.2010.06525,
title = {A Deep Learning Forecaster with Exogenous Variables for Day-Ahead Locational Marginal Price},
author = {Dipanwita Saha and Felipe Lopez},
journal= {arXiv preprint arXiv:2010.06525},
year = {2020}
}
备注
6 pages, 2 figures