科研之友
微信
新浪微博
Facebook
分享链接
摘要
为准确预测电力市场中的短期电价，提出了基于LSTM和XGBoost的组合预测模型。为了验证LSTM-XGBoost模型的有效性，该文先选用法国电力市场2019年1月1日至2020年12月31日的电价数据为训练集训练模型，对2021年1月1日不同模型预测的结果与实际电价值进行对比，得到LSTM-XGBoost以RMSE为0.74的误差率低于BP、LSTM、XGBoost的3.80、1.25、0.88,然后将算法应用到美国PJM电力市场，结果表明本文提出的LSTM-XGBoost组合预测模型MAPE平均值为1.83%,明显低于单一预测模型，也显著低于GRU-XGBoost组合模型，表明并非所有模型单一组合都能有效提高预测精度，该文提出的LSTM-XGBoost组合模型有效提升了短期电价的预测精度，且具有很强的普适性，可应用于电力市场短期电价预测，为市场参与者和监管机构提供有力决策依据。
- 出版日期2023
- 单位电子信息工程学院; 太原科技大学
