基于生成对抗网络的实时节点边际电价预测
机器学习
2020-11-11 v1 信号处理
摘要
本文提出一种无模型的无监督学习方法，用于预测批发电力市场中的实时节点边际电价（RTLMP）。通过将系统范围的小时级 RTLMP 数据组织为一系列时间索引矩阵构成的三维（3D）张量，我们将 RTLMP 预测问题表述为：给定历史 RTLMP 张量，生成具有预测 RTLMP 的下一个矩阵的问题，并提出了一种生成对抗网络（GAN）模型来预测 RTLMP。所提表述以历史 RTLMP 张量的格式保留了系统范围 RTLMP 之间的时空相关性。所提 GAN 模型利用历史 RTLMP 张量学习时空相关性，并生成与历史 RTLMP 张量统计相似且时间连贯的 RTLMP。所提方法仅使用公开可用的历史价格数据预测系统范围的 RTLMP，不涉及系统模型的机密信息，如系统参数、拓扑或运行条件。使用西南电力池（SPP）的历史 RTLMP 数据通过案例研究验证了所提方法的有效性。
引用
@article{arxiv.2011.04717,
title = {Real-time Locational Marginal Price Forecasting Using Generative Adversarial Network},
author = {Zhongxia Zhang and Meng Wu},
journal= {arXiv preprint arXiv:2011.04717},
year = {2020}
}