科研之友
微信
新浪微博
Facebook
分享链接
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%。
-
单位国网山东省电力公司
