基于Attention-GRU的短期电价预测

• 作者: 厍向阳 董立红 谢谦
• 来源期刊: 电力系统保护与控制
• 关键词: 短期电价预测 LSTM GRU Attention机制
• 年，卷（期）: 2020,（23）
• 所属期刊栏目: 工程应用
• 页码范围: 154-160
• 页数: 7页
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.200033

摘要

通过分析得出电价与负荷具有相关性,因此在电价预测模型中需要考虑实时负荷的影响.在此基础上针对前馈神经网络不能处理时序数据的缺陷与LSTM神经网络预测速度慢的问题,提出了一种基于Attention-GRU(Attention gated recurrent unit,Attention-GRU)的实时负荷条件下短期电价预测模型.该模型充分利用电价的时序特性,并采用Attention机制突出了对电价预测起关键性作用的输入特征.以美国PJM电力市场实时数据为例进行分析,通过与其他几种预测模型相比,验证了该方法具有更高的预测精度;与LSTM神经网络相比具有更快的预测速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	厍向阳		38	277	10.0	14.0
2	董立红		15	90	6.0	9.0
3	谢谦		1	0	0.0	0.0