【摘要】：電力行業(yè)不斷從壟斷經(jīng)營(yíng)走向競(jìng)爭(zhēng)化,電力市場(chǎng)的價(jià)格變動(dòng)也對(duì)公用事業(yè)收入和用戶成本產(chǎn)生不利影響。電價(jià)的變動(dòng)既對(duì)供給側(cè)發(fā)電售電帶來(lái)了挑戰(zhàn),也為用戶側(cè)的使用產(chǎn)生了影響,作為市場(chǎng)調(diào)節(jié)的杠桿,準(zhǔn)確的電價(jià)預(yù)測(cè)顯得尤為重要。在保證電力可靠性、高效性和安全供應(yīng)的前提下,要保證售電公司準(zhǔn)確把握市場(chǎng)導(dǎo)向,提供具有競(jìng)爭(zhēng)力的價(jià)格與服務(wù)。目前存在的電價(jià)預(yù)測(cè)方法對(duì)其周期性變化規(guī)律利用度較低,預(yù)測(cè)步長(zhǎng)較短,使得電價(jià)預(yù)測(cè)存在較大誤差。通過(guò)調(diào)取美國(guó)PJM電力市場(chǎng)電價(jià)數(shù)據(jù)庫(kù)中數(shù)據(jù),分析電力市場(chǎng)改革下售電公司的成立對(duì)電價(jià)產(chǎn)生的影響,學(xué)習(xí)深度學(xué)習(xí)的相關(guān)理論,提出基于ELU激活函數(shù)的雙向LSTM模型對(duì)電力市場(chǎng)供給側(cè)短期電價(jià)變化進(jìn)行預(yù)測(cè)。主要針對(duì)循環(huán)神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)和不足,通過(guò)分析影響電價(jià)的因素,采用LSTM模型,在對(duì)激活函數(shù)進(jìn)行優(yōu)化與改進(jìn)后設(shè)計(jì)E-BLSTM模型并進(jìn)行實(shí)驗(yàn)分析,在有限次迭代達(dá)到收斂情況下證明了模型的準(zhǔn)確性。具體工作如下:1)針對(duì)電價(jià)數(shù)據(jù)受到多因素影響的問(wèn)題,利用模糊相似性原理,對(duì)數(shù)據(jù)做預(yù)處理,將神經(jīng)網(wǎng)絡(luò)算法引入電價(jià)預(yù)測(cè)模型中,根據(jù)時(shí)間序列之間存在的相關(guān)關(guān)系對(duì)樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)與訓(xùn)練,降低實(shí)驗(yàn)誤差。2)針對(duì)反向傳播計(jì)算過(guò)程中的梯度消失問(wèn)題,根據(jù)電力市場(chǎng)供給側(cè)對(duì)電價(jià)的敏感度,捕捉電價(jià)線性和非線性的特點(diǎn),設(shè)計(jì)售電市場(chǎng)供給側(cè)電價(jià)預(yù)測(cè)的E-BLSTM模型。利用LSTM保持長(zhǎng)久記憶特征,改進(jìn)sigmoid函數(shù)和tanh函數(shù),在LSTM模型上添加三類(lèi)閥門(mén),將ELU激活函數(shù)引入雙向LSTM電價(jià)預(yù)測(cè)模型中,提高步長(zhǎng),解決梯度消失問(wèn)題。使用優(yōu)化的ADAM梯度下降算法,根據(jù)訓(xùn)練數(shù)據(jù)迭代地更新神經(jīng)網(wǎng)絡(luò)的權(quán)重,選擇最優(yōu)的損失函數(shù),提高電價(jià)預(yù)測(cè)的準(zhǔn)確率。3)將設(shè)計(jì)的E-BLSTM模型與普通的LSTM模型進(jìn)行對(duì)比,為保證實(shí)驗(yàn)的準(zhǔn)確性,并與ARIMA模型和ARMA模型進(jìn)行對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)證明算法能收斂到較低的損失率,可以對(duì)電力市場(chǎng)供給側(cè)波動(dòng)較大的電價(jià)進(jìn)行精確預(yù)測(cè),證明了模型的有效性和可收斂性。
【圖文】：

圖 2-2 展開(kāi)的循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行分析與比較，無(wú)論是從輸入還是輸出來(lái)看，就是說(shuō)，按照時(shí)間展開(kāi)循環(huán)便可以將一個(gè)循環(huán)神的前向神經(jīng)網(wǎng)絡(luò)神經(jīng)元，前向神經(jīng)網(wǎng)絡(luò)的神經(jīng)元，正是由于循環(huán)神將網(wǎng)絡(luò)的特點(diǎn)，使得時(shí)間序列進(jìn)行展現(xiàn)，這揭示了時(shí)間序列相關(guān)的本質(zhì)，也可然的網(wǎng)絡(luò)架構(gòu)。播參數(shù)的調(diào)整可以運(yùn)用傳統(tǒng)的方法，傳統(tǒng)的方法與鏈接的作用。而在前一節(jié)呈現(xiàn)出來(lái)的循環(huán)神經(jīng)網(wǎng)導(dǎo)過(guò)程，還是進(jìn)行前向傳播，都是按照傳統(tǒng)的步的輸出求解時(shí)，用梯度下降的方法，通過(guò)求解無(wú)NN 網(wǎng)絡(luò)不能直接使用 BP 算法來(lái)更新參數(shù)，區(qū)

圖 3-1 某地區(qū)一周電價(jià)變化圖價(jià)時(shí)間序列預(yù)測(cè)過(guò)程中，數(shù)據(jù)點(diǎn)與歷史數(shù)據(jù)點(diǎn)有一定的相關(guān)性，在電價(jià)進(jìn)行橫向比較，，加以各影響因素，使得同一時(shí)刻的電價(jià)能夠盡圍廣，只允許信號(hào)從輸入到輸出的前饋神經(jīng)網(wǎng)絡(luò)相比。2.2 部分提網(wǎng)絡(luò)在網(wǎng)絡(luò)中引入循環(huán)，并允許隱藏單元之間建立內(nèi)部連接，從而間步中傳遞，可專(zhuān)門(mén)設(shè)計(jì)用來(lái)預(yù)測(cè)時(shí)間序列。將影響電價(jià)的多種因，得到第 d 天 t 時(shí)刻的神經(jīng)網(wǎng)絡(luò)輸入圖，如圖 3-2 所示。
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：F426.61;F726;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 李龍;魏靖;黎燦兵;曹一家;宋軍英;方八零;;基于人工神經(jīng)網(wǎng)絡(luò)的負(fù)荷模型預(yù)測(cè)[J];電工技術(shù)學(xué)報(bào);2015年08期

2 馬莉;范孟華;郭磊;薛松;李琨;;國(guó)外電力市場(chǎng)最新發(fā)展動(dòng)向及其啟示[J];電力系統(tǒng)自動(dòng)化;2014年13期

3 魯剛;魏玢;馬莉;;智能電網(wǎng)建設(shè)與電力市場(chǎng)發(fā)展[J];電力系統(tǒng)自動(dòng)化;2010年09期

4 劉涵;劉丁;;基于模糊sigmoid核的支持向量機(jī)回歸建模[J];控制理論與應(yīng)用;2006年02期

5 張顯;王錫凡;;短期電價(jià)預(yù)測(cè)綜述[J];電力系統(tǒng)自動(dòng)化;2006年03期

6 胡朝陽(yáng),孫維真,汪震,王康元,甘德強(qiáng),韓禎祥;考慮市場(chǎng)力的短、中、長(zhǎng)期電價(jià)預(yù)測(cè)[J];電力系統(tǒng)自動(dòng)化;2003年22期

相關(guān)博士學(xué)位論文 前1條

1 陳艷華;基于機(jī)器學(xué)習(xí)的時(shí)間序列預(yù)測(cè)方法研究與應(yīng)用[D];蘭州大學(xué);2017年

相關(guān)碩士學(xué)位論文 前1條

1 敖磊;電力市場(chǎng)短期電價(jià)預(yù)測(cè)模型及研究[D];華中科技大學(xué);2006年

本文編號(hào)：2591360