典型文献
基于长短时记忆网络-纵横交叉算法的含高比例新能源电力市场日前电价预测
文献摘要：
精准的日前电价预测能够协助电力市场参与者做出合理的决策.随着高比例新能源接入电力系统,日前电价的预测难度不断加大.为了提升含高比例新能源电力市场日前电价的预测精度,提出了一种基于奇异谱分析(singular spectrum analysis,SSA)和纵横交叉算法(crisscross optimization,CSO)优化长短时记忆网络(long short-term memory,LSTM)的日前电价预测模型.首先,使用SSA将原始数据分解成趋势序列、周期序列和剩余序列;其次,对各子序列建立LSTM多步预测模型,针对LSTM的全连接输出层参数易陷入局部最优的问题,提出了二次训练LSTM策略,在训练好LSTM模型后,使用CSO算法对全连接层间的权系数与偏置进行微调;最后,将所有预测序列进行叠加即得最终的电价预测值.以北欧丹麦DK1电力市场数据进行了建模预测,实验结果表明所提方法能够有效提高日前电价的预测精度.
文献关键词：
电力市场;高比例新能源;日前电价;奇异谱分析;长短时记忆网络;纵横交叉算法
中图分类号：
作者姓名：
殷豪;丁伟锋;陈顺;张铮;曾琮;孟安波
作者机构：
广东工业大学自动化学院,广东省广州市 510006
文献出处：
引用格式：
[1]殷豪;丁伟锋;陈顺;张铮;曾琮;孟安波-.基于长短时记忆网络-纵横交叉算法的含高比例新能源电力市场日前电价预测)[J].电网技术,2022(02):472-480
A类：
DK1
B类：
长短时记忆网络,纵横交叉算法,高比例新能源,新能源电力,电力市场,日前电价预测,新能源接入,电力系统,奇异谱分析,singular,spectrum,analysis,SSA,crisscross,optimization,CSO,long,short,term,memory,电价预测模型,原始数据,数据分解,分解成,子序列,多步预测,出层,局部最优,练好,全连接层,权系数,偏置,微调,预测序列,北欧,丹麦,建模预测
AB值：
0.276027
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。
