基于小波变换的Bi-LSTM-TCN短期电价预测

随着可再生能源大规模并入电网,电价预测变得越来越困难。为更准确预测含新能源电力市场中的电价,本文提出一种基于离散小波变换(DWT)的双向长短期记忆网络(Bi-LSTM)和时间卷积网络(TCN)的短期电价预测模型。首先利用DWT提取数据的时频图,并对重构后的子序列进行相关性分析;然后对于受不同因素影响的子序列建立不同的模型分别进行预测,最后叠加预测结果得到最终预测值。并在北欧丹麦DK1电力市场数据集上进行实验,该方法的均方根误差(RMSE)和平均绝对误差(MAE)分别为3.081%和2.588%,与一些基准模型和现有预测模型相比,该方法的预测精度更高。

机器学习 人工智能新未来

最近,世界排名第一的中国棋手柯洁在与谷歌人工智能AlphaG o长达4个半小时的首场较量中,最终以四分之一子之差遗憾惜败。这场＂人机大战＂再次把人工智能话题推到风口浪尖。当人工智能逐渐成为技术领域关于未来的＂谈资＂,各国有哪些公司有望主导人工智能的未来,引发关注。