基于经验模式分解与LSTM神经网络的短期电价预测模型

在开放的电力市场中,日前电价预测是个重要的研究方向。本文提出了一种基于经验模式分解(EMD)与长短期记忆神经网络(LSTM)的序列电价预测模型,使用EMD提取电价序列中的周期分量与趋势分量,利用LSTM分别对周期分量与趋势分量进行序列预测,输出各分量的预测结果,通过支持向量机回归(SVR)叠加各分量的预测序列生成预测价格序列。最后,以美国PJM电力市场的电价数据为算例,与ARIMA模型、单一LSTM神经网络模型的预测结果进行比较,验证了EMD-LSTM-SVR模型能够提高短期电价预测精度。

售电公司对用户可中断负荷营销策略研究——基于博弈论刻画售电公司与用户的交互关系

需求侧资源参与市场现已成为我国缓解高峰供需压力的重要手段。对于售电公司而言,如何充分利用现货市场时变的价格信号、有效挖掘用户的需求侧响应潜力已成为其重点营销策略研究的关键问题。以价格信号为基础推算未来现货市场电价峰值时段,并通过提供系统调用补偿等鼓励用户出售可中断容量,构成了售电公司可中断负荷的营销策略。本文构建斯坦科尔伯格博弈模型刻画售电公司与用户的交互关系,并采用实际数据对其有效性和可行性进行验证,以期在为我国售电公司寻求新的盈利增长点的同时,实现与用户的利益共赢。