基于CEEMDAN分解的深度学习分位数回归电价预测

• 作者: 彭君哲 彭曙蓉 李彬 石亮缘 许福鹿
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 电价序列分解 空洞卷积 因果卷积 分位数回归 概率密度估计
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 138-144
• 页数: 7页
• 分类号: TM71
• 字数: 5437字
• 语种: 中文
• DOI: 10.19635/j.cnki.csu-epsa.000277

摘要

电力市场中电价预测的准确性对于供应商竞价策略的制定至关重要.针对电价预测问题,提出一种基于完备经验模态分解的深度学习分位数回归电价预测方法.首先,采用自适应噪声的完备经验模态分解方法对电价序列进行分解,得出各个模态分量;然后,采用深度学习中空洞因果卷积神经网络预测模型在不同分位数下对各个分量进行预测,并将预测结果重构;最后,对预测结果采用核密度估计得到电价的概率密度函数.经过对美国电力市场PJM的实际数据进行仿真验证,所提出的组合预测方法相比于其他分位数回归方法,不仅具有更高的预测准确度,且可以为供电商提供更多有效信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭曙蓉	长沙理工大学电气与信息工程学院	23	155	8.0	12.0
2	李彬	长沙理工大学电气与信息工程学院	11	118	5.0	10.0
3	彭君哲	长沙理工大学电气与信息工程学院	3	20	1.0	3.0
4	石亮缘	长沙理工大学电气与信息工程学院	5	10	2.0	3.0
5	许福鹿	长沙理工大学电气与信息工程学院	3	0	0.0	0.0