基于Attention-GRU的短期电价预测

摘要：

通过分析得出电价与负荷具有相关性,因此在电价预测模型中需要考虑实时负荷的影响.在此基础上针对前馈神经网络不能处理时序数据的缺陷与LSTM神经网络预测速度慢的问题,提出了一种基于Attention-GRU(Attention gated recurrent unit,Attention-GRU)的实时负荷条件下短期电价预测模型.该模型充分利用电价的时序特性,并采用Attention机制突出了对电价预测起关键性作用的输入特征.以美国PJM电力市场实时数据为例进行分析,通过与其他几种预测模型相比,验证了该方法具有更高的预测精度;与LSTM神经网络相比具有更快的预测速度.

关键词：短期电价预测、LSTM、GRU、Attention机制

所属期刊栏目：48

资助基金：陕西省自然科学基金项目资助;陕西省自然科学基础研究计划项目资助

在线出版日期：2020-12-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：154-160