文档摘要：为了提升电价预测的准确性和预测模型的稳定性,提出一种基于改进VMD-PSO-CNN-LSTM的短期电价预测方法.首先,通过研究变分模态分解(variationalmodedecomposition,VMD)与电价影响因素的相关影响程度,并引入最大信息系数(MIC)构建VMD参数优化模型;然后,利用卷积神经网络(convolutionalneuralnetworks,CNN)与长短期记忆(longshort-termmemory,LSTM)神经网络对VMD分解得到的各模态分量进行预测.同时,根据深度可分离卷积结合电价时间规律,在CNN卷积部分构建多尺度的卷积特征提取结构,并利用粒子群优化算法优化包括CNN卷积层数量、CNN卷积神经元数量、LSTM隐藏层数量、LSTM记忆时间以及全连接层数等在内的参数,从而实现模型预测准确性和稳定性的提升.最后,对澳洲电力市场日前电价进行分析预测并与对照算法对比,结果表明该文算法具有更高的精度和更好的稳定性.
Abstract：Toimprovetheaccuracyofelectricitypriceforecastingandthestabilityofforecastingmodels,ashort-termelectricitypriceforecastingmethodbasedonimprovedVMD-PSO-CNN-LSTMisproposed.Firstly,afterstudyingthecorrelationbetweenvariationalmodedecomposition(VMD)andtheinfluencingfactorsofelectricityprices,andintroducingthemaximuminformationcoefficient,aparameteroptimizationmodelforVMDisconstructed.Secondly,convolutionalneuralnetworks(CNN)andlongshort-termmemory(LSTM)neuralnetworksareusedtopredictthemodalcomponentsobtainedbyVMDdecomposition.AsfortheconvolutioninCNN,aextractionstructurewithmulti-scaleconvolutionfeatureisconstructed,onthebasisofthedepth-wiseseparableconvolutioncombinedwiththetimelawofelectricityprices.ParticleswarmoptimizationalgorithmisthenusedtooptimizeparametersincludingthenumberofCNNconvolutionallayers,thenumberofCNNconvolutionalneurons,thenumberofLSTMhiddenlayers,LSTMmemorytime,andthenumberoffullyconnectedlayers,soastoimprovethepredictionaccuracyandstabilityofthemodel.Finally,theanalysisandpredictionoftheday-aheadelectricitypricesintheAustralianelectricitymarketarecarriedoutandcomparedwiththealgorithm.Theresultsshowthattheproposedalgorithmhashigheraccuracyandbetterstability.
作者：郭雪丽 华大鹏 包鹏宇 李婷婷 姚楠 曹艳 王莹 张天东 胡钋 Author：GUOXueli HUADapeng BAOPengyu LITingting YAONan CAOYan WANGYing ZHANGTiandong HUPo
作者单位：国网河南省电力公司南阳供电公司,河南南阳473000中国电信股份有限公司湖北智能云网调度运营中心,湖北武汉430022武汉大学电气与自动化学院,湖北武汉430072
刊名：电力科学与技术学报 ISTICPKU
Journal：JournalofElectricPowerScienceandTechnology
年，卷(期)：2024, 39(2)
分类号：TM732
关键词：电价预测 变分模态分解 粒子群优化算法 卷积神经网络 长短时间记忆神经网络
Keywords：electricitypriceforecast variationalmodaldecomposition particleswarmoptimizationalgorithm convolutionalneuralnetworks longandshorttimememoryneuralnetworks
机标分类号：TP391.41U414.75F2
在线出版日期：2024年7月2日
基金项目：国家自然科学基金，国网河南省电力公司科技项目一种基于改进VMD-PSO-CNN-LSTM的短期电价预测方法[
期刊论文] 电力科学与技术学报--2024, 39(2)郭雪丽 华大鹏 包鹏宇 李婷婷 姚楠 曹艳 王莹 张天东 胡钋为了提升电价预测的准确性和预测模型的稳定性,提出一种基于改进VMD-PSO-CNN-LSTM的短期电价预测方法.首先,通过研究变分模态分解(variationalmodedecomposition,VMD)与电价影响因素的相关影响程度,并引入最大信息系数...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
关键词：电价预测,变分模态分解,粒子群优化算法,卷积神经网络,长短时间记忆神经网络,
|
|
1
