基于图卷积网络与注意力机制的短期电价预测
机器学习
2021-07-28 v1 系统与控制
系统与控制
摘要
在电力市场中，节点边际电价（LMP）预测对市场主体制定合理投标策略、管理潜在交易风险以及支撑高效系统规划与运行尤为重要。与仅考虑 LMP 时间特征的现有方法不同，本文定制了谱图卷积网络（GCN）以大幅提高短期 LMP 预测精度。随后设计三分支网络结构以匹配 LMP 构成结构。此类网络可提取 LMP 的时空特征，并为所有节点同时提供快速且高质量的预测。还实现了注意力机制，以在不同节点和时间槽之间分配不同的重要性权重。基于 IEEE-118 测试系统及来自 PJM 的真实数据案例研究验证，所提模型在精度上优于现有预测模型，并通过避免极端误差保持稳健性能。
引用
@article{arxiv.2107.12794,
title = {Short-Term Electricity Price Forecasting based on Graph Convolution Network and Attention Mechanism},
author = {Yuyun Yang and Zhenfei Tan and Haitao Yang and Guangchun Ruan and Haiwang Zhong},
journal= {arXiv preprint arXiv:2107.12794},
year = {2021}
}
备注
Submitted to IET RPG. 9 pages, 15 figures, 6 tables