典型文献
基于稀疏自编码非线性自回归网络的负荷电价预测方法
文献摘要：
准确的电价和负荷预测对现代电力系统至关重要,但由于电价与负荷之间存在较强的相关性,若不考虑其相互影响,将导致预测的精度下降.为了提高现有方法的预测准确性,在考虑价格与负荷关系的前提下,提出了一种基于深度递归神经网络的价格与负荷预测模型,即基于外部输入的稀疏自编码器的非线性自回归网络,其功能包括特征提取和预测.首先针对特征提取环节,对原有方法进行改进,提出了稀疏自编码器,可以大大提高特征提取的有效性.其次,利用非线性自回归网络进行电价和负荷预测.使用电力市场大数据ISONE和PJM进行仿真验证,与级联Elam网络相比,ESAENARX在负荷预测方面将平均绝对误差降低了16％,在价格预测方面降低了7％.
文献关键词：
负荷电价;电价预测;大数据;稀疏自编码器;非线性自回归网络
中图分类号：
作者姓名：
史大洋;路峰迎;李文凯;弓帅;李垚;王欣;魏文震
作者机构：
山东省建筑设计研究院有限公司,济南 250001;国网山东省电力公司 淄博供电公司,山东 淄博 255000
文献出处：
引用格式：
[1]史大洋;路峰迎;李文凯;弓帅;李垚;王欣;魏文震-.基于稀疏自编码非线性自回归网络的负荷电价预测方法)[J].电力需求侧管理,2022(05):22-28
A类：
非线性自回归网络,负荷电价,ISONE,Elam,ESAENARX
B类：
电价预测,现代电力系统,预测准确性,深度递归神经网络,负荷预测模型,稀疏自编码器,功能包,取环,电力市场,PJM,仿真验证,平均绝对误差,价格预测
AB值：
0.149553
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
