节点文献

基于CEEMDAN分解的深度学习分位数回归电价预测

免费订阅

【作者】 彭曙蓉李彬彭君哲许福鹿石亮缘

【Author】 PENG Shurong;LI Bin;PENG Junzhe;XU Fulu;SHI Liangyuan;School of Electrical & Information Engineering,Changsha University of Science & Technology;

【机构】 长沙理工大学电气与信息工程学院

【摘要】 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。

【基金】 湖南省教育厅创新平台开放基金资助项目(17K001)
【所属期刊栏目】 学术论文 (2020年04期)
  • 【DOI】10.19635/j.cnki.csu-epsa.000277
  • 【分类号】F726;TP18;TM73;F416.61
  • 【下载频次】484
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: