实时节点边际电价预测：一种基于 GAN 的视频预测方法
机器学习
2020-03-24 v1 信号处理
机器学习
摘要
本文提出一种无监督数据驱动方法来预测实时节点边际电价（RTLMPs）。所提方法建立在一个通用数据结构之上，该结构将系统级异构市场数据流组织为市场数据图像与视频的格式。利用该通用数据结构，系统级 RTLMP 预测问题被表述为视频预测问题。提出一种基于生成对抗网络（GAN）的视频预测模型，以学习历史 RTLMPs 间的时空相关性并预测下一小时的系统级 RTLMPs。采用自回归滑动平均（ARMA）校准方法以提高预测精度。所提出的 RTLMP 预测方法以公开市场数据作为输入，无需任何关于系统拓扑、模型参数或市场运营细节的机密信息。使用来自新英格兰独立系统运营商（ISO-NE）和西南电力池（SPP）的公开市场数据的案例研究表明，该方法能够学习 RTLMPs 间的时空相关性并实现准确的 RTLMP 预测。
引用
@article{arxiv.2003.09527,
title = {Predicting Real-Time Locational Marginal Prices: A GAN-Based Video Prediction Approach},
author = {Zhongxia Zhang and Meng Wu},
journal= {arXiv preprint arXiv:2003.09527},
year = {2020}
}