基于深度学习的虚拟议价 wholesale电力市场电价预测

虚拟议价在双结算电力市场中发挥着重要作用，因为它可以减少日前市场和实时市场之间的差异。可再生能源的渗透增加了电价的波动性，使得准确预测对虚拟议价者至关重要，以减少不确定性并最大化利润。本研究提出了一种基于Transformer的深度学习模型，用于预测ERCOT(德克萨斯电力可靠性委员会)市场中实时和日前电价之间价格差的预测。该模型利用各种时间序列特征，包括负荷预测、太阳能和风能发电预测，以及时间属性。该模型在现实约束下进行训练，通过每周更新模型的方式进行步进验证。基于价格差预测结果，提出了若干交易策略，并通过回测确定在现实市场条件下最有效的策略以实现累积利润最大化。结果表明，以准确率超过50%的峰时交易策略在测试期间几乎保持一致的利润。该方法强调了准确电价预测模型的重要性，并为未来研究提供了有价值的见解。