一种基于混合模型的短期电价预测方法

• Published in: 内蒙古电力技术 Vol. 41; no. 4; pp. 73 - 80
• Main Authors: 王超, 陈奇, 谷新梅, 姜湖, 郭芳, 邓尚云, 严海贤
• Format: Journal Article
• Language: Chinese
• Published: 广州南方投资集团有限公司,广州 510663%中国能源建设集团广东省电力设计研究院有限公司,广州 510663%广东科诺勘测工程有限公司,广州 510663%佛山科学技术学院 机电工程与自动化学院,广东 佛山 528000 2023
• Subjects: 短期电价预测; 注意力机制; 变分模态分解; attention mechanism; short-term electricity price prediction; 双向长短期记忆神经网络; variational modal decomposition; bidirectional long and short term memory neural network
• ISSN: 1008-6218
• DOI: 10.19929/j.cnki.nmgdljs.2023.0058

TM73; 针对电力现货价格存在的高波动性、非线性特征的问题,采用变分模态分解(VMD)和WOA-ATT-BiLSTM相结合的方法实现了短期电价预测.首先使用VMD将原始电价序列分解成多个相对平稳的子序列,然后采用结合注意力机制的ATT-BiLSTM来提取电价子序列中的特征信息并进行预测,同时引入鲸鱼优化算法(WOA)优化ATT-BiLSTM的超参数来提高预测精度,最后为验证方法的有效性,使用了法国电力市场的数据进行实验比较.结果表明,基于VMD和WOA-ATT-BiLSTM模型的平均绝对百分比误差(MAPE)为2.91%,均方根误差(RMSE)为1.65欧元/MWh,平均绝对误差(MAE)为1.29欧元/MWh,相较于其他对比模型具有更准确的预测效果.