典型文献
基于GCN-LSTM的日前市场边际电价预测
文献摘要：
传统电价预测往往采用基于时间序列的时域预测方法,未能充分利用电力市场的地域信息,忽略了跨区域输电条件下影响区内电价的域外因素,为进一步提升电价预测精度提出一种基于图卷积神经网络与长短时记忆网络(graph convolution network-long short term memory,GCN-LSTM)的时空预测算法.该算法首先通过建立图模型,描述地域分布的电力市场数据,并使用图卷积神经网络,提取所研究区域和周围地区传导到域内的域外信息;其次,将不同时刻图卷积神经网络提取到的信息构成时间序列,输入长短时循环网络,从而对日前市场边际电价进行预测.利用北欧电力交易所Nord Pool的运营数据进行算例分析,通过与对照算法对比,该算法具有更好的预测精准度和普适性.
文献关键词：
日前市场;电价预测;时空预测算法;图卷积神经网络;长短时循环神经网络
中图分类号：
作者姓名：
韩升科;胡飞虎;陈之腾;张琳;白兴忠
作者机构：
电力设备电气绝缘国家重点实验室(西安交通大学),陕西省 西安市 710049;国网陕西省电力公司经济技术研究院,陕西省 西安市 710064;陕西电力交易中心有限公司,陕西省 西安市 710004
文献出处：
引用格式：
[1]韩升科;胡飞虎;陈之腾;张琳;白兴忠-.基于GCN-LSTM的日前市场边际电价预测)[J].中国电机工程学报,2022(09):3276-3285,中插14
A类：
时空预测算法,长短时循环神经网络
B类：
GCN,日前市场,场边,边际电价,电价预测,域预测,电力市场,域信息,跨区域,输电,影响区,域外,外因,图卷积神经网络,长短时记忆网络,graph,convolution,network,long,short,term,memory,图模型,地域分布,围地,不同时刻,取到,循环网络,北欧,电力交易,交易所,Nord,Pool,运营数据,算例分析,照算,算法对比
AB值：
0.318657
相似文献
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。
