基于小波变换的BiLSTMTCN短期电价预测
文档名：基于小波变换的BiLSTMTCN短期电价预测
摘要：随着可再生能源大规模并入电网,电价预测变得越来越困难.为更准确预测含新能源电力市场中的电价,本文提出一种基于离散小波变换(DWT)的双向长短期记忆网络(Bi-LSTM)和时间卷积网络(TCN)的短期电价预测模型.首先利用DWT提取数据的时频图,并对重构后的子序列进行相关性分析;然后对于受不同因素影响的子序列建立不同的模型分别进行预测,最后叠加预测结果得到最终预测值.并在北欧丹麦DK1电力市场数据集上进行实验,该方法的均方根误差(RMSE)和平均绝对误差(MAE)分别为3.081%和2.588%,与一些基准模型和现有预测模型相比,该方法的预测精度更高.
Abstract：Electricitypriceforecastingisbecomingincreasinglydifficultasrenewableenergyisintegratedintothegridonalargescale.Inordertomoreaccuratelypredicttheelectricitypriceinthenewenergypowermarket,ashort-termelectricitypriceforecastingmodelbasedondiscretewavelettransform(DWT),bi-directionallongshort-termmemorynetwork(Bi-LSTM)andtemporalconvolutionnetwork(TCN)wasproposed.Firstly,thetime-fre-quencydiagramofthedatawasextractedbyDWT,andthecorrelationanalysiswasperformedonthereconstructedsubsequences.Then,differentmodelswereestablishedtopredictthesubsequencesaffectedbydifferentfactors.Fi-nally,thepredictedresultsweresuperimposedtoobtainthefinalpredictedvalue.ExperimentsareperformedonthedatasetoftheNordicDanishDK1powermarket,therootmeansquareerror(RMSE)andmeanabsoluteerror(MAE)ofthismethodare3.081%and2.588%respectively.Comparedwithsomebenchmarkmodelsandexistingpredictionmodels,themethodhashigherpredictionaccuracy.
作者：竺筱晶薛睿萌Author：ZHUXiaojingXUERuimeng
作者单位：上海电力大学数理学院,上海201306
刊名：电工电能新技术 ISTICPKU
Journal：AdvancedTechnologyofElectricalEngineeringandEnergy
年，卷(期)：2023, 42(12)
分类号：TM715
关键词：短期电价预测风力发电量离散小波变换双向长短期记忆网络时间卷积网络
Keywords：short-termelectricitypriceforecastingwindpowerdiscretewavelettransformbi-directionallongshort-termmemorynetworktemporalconvolutionnetwork
机标分类号：TP391F426.61TM73
在线出版日期：2024年1月15日
基金项目：国家自然科学基金，国家自然科学基金基于小波变换的Bi-LSTM-TCN短期电价预测[
期刊论文]电工电能新技术--2023, 42(12)竺筱晶薛睿萌随着可再生能源大规模并入电网,电价预测变得越来越困难.为更准确预测含新能源电力市场中的电价,本文提出一种基于离散小波变换(DWT)的双向长短期记忆网络(Bi-LSTM)和时间卷积网络(TCN)的短期电价预测模型.首先利用DWT提...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于小波变换的Bi-LSTM-TCN短期电价预测Wavelet transform-based Bi-LSTM-TCN method for short-term electricity price forcasting
基于小波变换的Bi-LSTM-TCN短期电价预测.pdf
页:
[1]