電力市場中電價預測的準確性對于供應商競價策略的制定至關重要。針對電價預測問題,提出一種基于完備經驗模態(tài)分解的深度學習分位數回歸電價預測方法。首先,采用自適應噪聲的完備經驗模態(tài)分解方法對電價序列進行分解,得出各個模態(tài)分量;然后,采用深度學習中空洞因果卷積神經網絡預測模型在不同分位數下對各個分量進行預測,并將預測結果重構;最后,對預測結果采用核密度估計得到電價的概率密度函數。經過對美國電力市場PJM的實際數據進行仿真驗證,所提出的組合預測方法相比于其他分位數回歸方法,不僅具有更高的預測準確度,且可以為供電商提供更多有效信息。

【文章頁數】：7 頁

【文章目錄】：
1 采用CEEMDAN的電價序列分解
2 用于電價預測的空洞因果卷積分位數回歸方法
    2.1 空洞因果卷積
    2.2 分位數回歸
    2.3 空洞因果卷積神經網絡分位數回歸
    2.4 模型評價
        2.4.1 可靠性指標
        2.4.2 敏銳性指標
3 算例仿真
4 結語



本文編號：3815736