基于经验模式分解与LSTM神经网络的短期电价预测模型

• 作者: 勾玄 肖先勇
• 来源期刊: 西安理工大学学报
• 学科: 工学
• 关键词: 短期电价预测 经验模式分解 长短期记忆网络 电力市场
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 电气工程
• 页码范围: 129-134
• 页数: 6页
• 分类号: TM-9
• 字数: 4754字
• 语种: 中文
• DOI: 10.19322/j.cnki.issn.1006-4710.2020.01.018

摘要

在开放的电力市场中,日前电价预测是个重要的研究方向.本文提出了一种基于经验模式分解(EMD)与长短期记忆神经网络(LSTM)的序列电价预测模型,使用EMD提取电价序列中的周期分量与趋势分量,利用LSTM分别对周期分量与趋势分量进行序列预测,输出各分量的预测结果,通过支持向量机回归(SVR)叠加各分量的预测序列生成预测价格序列.最后,以美国PJM电力市场的电价数据为算例,与ARIMA模型、单一LSTM神经网络模型的预测结果进行比较,验证了EMD-LSTM-SVR模型能够提高短期电价预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖先勇	四川大学电气工程学院	223	2612	27.0	42.0
2	勾玄	四川大学电气工程学院	1	0	0.0	0.0