基于集成长时循环卷积网络模型的电力批发价格预测
机器学习
2021-12-28 v1 系统与控制
系统与控制
摘要
电价是影响所有市场参与者决策的关键因素。准确预测电价十分重要，同时也极具挑战，因为受多种因素作用电价高度波动。本文提出一种集成长时循环卷积网络（ILRCN）模型，将市场中多数贡献属性作为输入来预测电价。所提 ILRCN 模型结合了卷积神经网络与长短期记忆（LSTM）算法的功能，以及所提新颖的条件误差修正项。该组合 ILRCN 模型可识别输入数据中的线性与非线性行为。我们使用 ERCOT 休斯顿地区的批发市场价格数据以及负荷曲线、温度与其他因素来阐明所提模型。所提 ILRCN 电价预测模型的性能通过平均绝对误差与准确率等性能/评估指标得以验证。案例研究表明，与支持向量机（SVM）模型、全连接神经网络模型、LSTM 模型以及不含条件误差修正阶段的 LRCN 模型相比，所提 ILRCN 模型在电价预测中准确且高效。
引用
@article{arxiv.2112.13681,
title = {Wholesale Electricity Price Forecasting using Integrated Long-term Recurrent Convolutional Network Model},
author = {Vasudharini Sridharan and Mingjian Tuo and Xingpeng Li},
journal= {arXiv preprint arXiv:2112.13681},
year = {2021}
}
备注
9 pages, 10 figures