基于二次分解特征矩阵和PCNN-BiLSTM的短期电价预测

摘要：

为了提高短期电价预测的精度,提出了1种基于二次分解特征矩阵、并行卷积神经网络(Parallel convolutional neural network,PCNN)、双向长短期记忆神经网络(Bi-directional long short term memory,BiLSTM)的预测方法.采用完全集合经验模态分解将归一化后的原始电价/负荷数据分解为一系列分量,用变分模态分解将第1次分解产生的最高频分量进一步分解成一系列模态分量;用第1次和第2次分解产生的所有分量构造2通道输入特征矩阵;利用PCNN提取各种特征,再将特征融合后输入到BiLSTM预测结构中,最终得出翌日预测值.预测结果表明,所提出的预测方法有效提高了短期电价的预测精度.

关键词：电价预测、二次分解、并行卷积神经网络、双向长短期记忆神经网络

所属期刊栏目：39

分类号：TM712(输配电工程、电力网及电力系统)

资助基金：国家重点研发计划2022YFB2703500

在线出版日期：2023-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：61-71