文献类型：期刊文章

作　　者：谢谦[1] 董立红[1] 厍向阳[1]

XIE Qian;DONG Lihong;SHE Xiangyang(College of Computer Science&Technology,Xi’an University of Science&Technology,Xi’an 710054,China)

机构地区：[1]西安科技大学计算机科学与技术学院,陕西西安710054

出　　处：《电力系统保护与控制》

基　　金：陕西省自然科学基金项目资助(2017JM6105);陕西省自然科学基础研究计划项目资助(2019JLM-11)。

年　　份：2020

卷　　号：48

期　　号：23

起止页码：154-160

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

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  

分 类 号：F416.61] TM73]