电力系统及其自动化学报

2020, v.32;No.195(04) 138-144

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于CEEMDAN分解的深度学习分位数回归电价预测
Electricity Price Forecasting Based on CEEMDAN Decomposition and Deep Learning Quantile Regression

彭曙蓉;李彬;彭君哲;许福鹿;石亮缘;

摘要(Abstract):

电力市场中电价预测的准确性对于供应商竞价策略的制定至关重要。针对电价预测问题,提出一种基于完备经验模态分解的深度学习分位数回归电价预测方法。首先,采用自适应噪声的完备经验模态分解方法对电价序列进行分解,得出各个模态分量;然后,采用深度学习中空洞因果卷积神经网络预测模型在不同分位数下对各个分量进行预测,并将预测结果重构;最后,对预测结果采用核密度估计得到电价的概率密度函数。经过对美国电力市场PJM的实际数据进行仿真验证,所提出的组合预测方法相比于其他分位数回归方法,不仅具有更高的预测准确度,且可以为供电商提供更多有效信息。

关键词(KeyWords): 电价序列分解;空洞卷积;因果卷积;分位数回归;概率密度估计

Abstract:

Keywords:

基金项目(Foundation): 湖南省教育厅创新平台开放基金资助项目(17K001)

作者(Author): 彭曙蓉;李彬;彭君哲;许福鹿;石亮缘;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享