基于小波包分解和长短期记忆网络的短期电价预测

• 作者: 刘达 孙堃 雷自强
• 来源期刊: 智慧电力
• 学科: 工学
• 关键词: 小波包分解 LSTM网络 短期电价预测 电力市场
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 电力经济
• 页码范围: 77-83
• 页数: 7页
• 分类号: TM473
• 字数: 5287字
• 语种: 中文

摘要

在电力市场环境下,精准的短期电价预测可以保障电网优化调度和安全稳定运行,但实时电价具有非平稳性和非线性的特点,加大了预测难度.针对这一问题,提出了一种基于小波包分解(WPD)和长短期记忆(LSTM)网络的短期实时电价预测方法.将实时电价序列分解,得到最高频细节部分和低频趋势部分,剔除波动性高、无效信息多的高频细节部分,再采用LSTM网络对有效信息最多、更能体现电价序列的趋势部分进行实时电价预测.使用所提方法对美国PJM市场某地区实时电价数据进行预测实验,结果表明所提方法相比随机森林、BP神经网络、支持向量机电价预测方和传统的LSTM网络电价预测方法具有更高预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘达	华北电力大学新能源电力与低碳发展研究中心	40	735	17.0	25.0
5	雷自强	华北电力大学新能源电力与低碳发展研究中心	2	3	1.0	1.0
9	孙堃	华北电力大学经济与管理学院	8	38	3.0	6.0