收藏本站
收藏 | 论文排版

基于LSTM与XGBoost组合模型的电价预测研究

郑宏  
【摘要】:从当前电力市场发展情况分析,电力价格、市场参与者利益密切相关,因而电价预测成为亟待解决的问题。在电力价格变动下,使供给侧发电迎来新的发展问题,且影响用户侧的使用,电价管理作为市场杠杆调整的基础,通过精准合理的电价预测,能发挥关键功能和效果。现阶段,电力价格预测方法在周期性变动规律利用率并不高,对步长预测相对较短,导致电价预测本身存在偏差,为提高其准确性,本文做了如下工作:首先为了验证LSTM-XGBoost模型的有效性,本文先采用法国数据进行短期电价预测研究。选用法国电力市场2019年1月1日-2020年12月31日间的数据,每小时收集整合单点,即每天能整合24个点,对应量纲记作€,创建独立训练集训练模型,进行2021年1月1日BP、LSTM、XGBoost和LSTM-XGBoost预测模型与实际值的对比,从而得到通过误差倒数法进行组合的预测模型LSTM-XGBoost的预测精度最高。LSTM-XGBoost以RMSE为0.74的误差率远低于BP、LSTM的3.80、1.25和XGBoost的0.88相当,从而得到LSTM-XGBoost组合模型的预测精度最高。其次选取奥地利电力市场2020年11月至2021年1月的电价数据进行LSTM和XGBoost组合预测模型完成检验工作,结果表明:基于LSTM和XGBoost进行模型组合检测,MAPE标准在1.61%,显然要比单一预测模型LSTM4%低,比XGBoost模型1.83%低,证明了组合模型的优势。最后,通过收集整合美国PJM电力市场的数据变动,基于深度学习原理,同样选取2020年11月至2021年1月的电价数据,针对性提出以GRU、XGBoost为基础的组合模型,分析短期电力价格的变动,预测对应的结果。通过应用GRU-XGBoost模型,对比分析单一模型实验质量。结果显示,并不是所有单一的模型组合,均能促进预测精准度的提升,所以合理选择参与组合单一模型,能有效控制研究误差。GRU-XGBoost模型对应的平均误差MAE值为1.25高于GRU和XGBoost的1.07、0.56,而LSTM和XGBoost组合预测模型的MAE平均值为0.41,明显低于单一预测模型LSTM和XGBoost的0.89、0.56,证明了该组合模型明显优于GRU-XGBoost组合模型。本文提出的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。


知网文化
【相似文献】
中国期刊全文数据库 前14条
1 黄颖;杨会杰;;基于XGBoost和LSTM模型的金融时间序列预测[J];科技和产业;2021年08期
2 周彤彤;俞凯;袁贞明;卢莎;胡文胜;;基于LSTM与XGBOOST混合模型的孕妇产后出血预测[J];计算机系统应用;2020年03期
3 赵春生;梅松;张双江;郭超;;基于XGBoost和LSTM的智能监控系统研究[J];电子技术与软件工程;2021年03期
4 何立健;林穗;翁海瑞;;基于LSTM的图像生成诗歌模型[J];信息技术与网络安全;2019年04期
5 钟颖;邵毅明;吴文文;胡广雪;;基于XGBoost的短时交通流预测模型[J];科学技术与工程;2019年30期
6 慕迪;;基于LSTM模型的高速公路流量预测与应用[J];中国交通信息化;2020年10期
7 孙铭;魏守科;王莹洁;赵金东;袁梅雪;;基于小波分解的LSTM水质预测模型[J];计算机系统应用;2020年12期
8 张星;何利力;郑军红;;基于灰色关联分析与XGBoost模型的销售预测研究[J];软件导刊;2020年09期
9 何婧;胡杰;;融合矩阵分解和XGBoost的个性化推荐算法[J];重庆大学学报;2021年01期
10 张鹏;孙博文;李唯实;徐君锋;孙岩炜;;基于LSTM的钓鱼邮件检测系统[J];北京理工大学学报;2020年12期
11 高瞻;陈文;姜鹏;江家文;何强;赵亮;;基于XGBoost的新冠肺炎智能检测系统实现[J];中国数字医学;2020年11期
12 骆轶姝;邵圆圆;陈德华;;基于LSTM多特征联合的缺血性脑卒中诊断模型[J];智能计算机与应用;2020年10期
13 梁一鸣;申莹;赵永翼;;基于LSTM的电影评论情感分析研究[J];数字通信世界;2021年02期
14 李莉;杜丽霞;张子柯;;基于多变量LSTM神经网络的澳大利亚大火预测研究[J];电子科技大学学报;2021年02期
中国重要会议论文全文数据库 前15条
1 蔺茜;陶卿曌;张清辉;;基于LSTM神经网络的电力变压器故障预测模型研究[A];2020中国系统仿真与虚拟现实技术高层论坛论文集[C];2020年
2 胡宪;冯毅萍;潘戈;;基于边缘侧自编码器压缩的分布式LSTM设备故障预测[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
3 唐上;宋冬梅;向亮;单新建;王斌;;基于LSTM神经网络的电离层TEC预测[A];2019年中国地球科学联合学术年会论文集(十一)——专题28:大地震发生的物理机制与预测方法和技术、专题29:“张衡一号”卫星应用与国家地球物理场卫星探测计划、专题30:空间大地测量与地壳动力学[C];2019年
4 蒋振超;邓永;姜青山;古亮;;一种基于两阶段字符级LSTM的僵尸网络检测方法[A];第32次全国计算机安全学术交流会论文集[C];2017年
5 李鹏程;孙敏;庞溟舟;;基于LSTM神经网络的公交到站时间预测[A];第37届中国控制会议论文集(F)[C];2018年
6 朱佳晖;张文峰;刘卫平;张超;陈渊;;基于双向LSTM和CRF的军事命名实体识别和链接[A];第六届中国指挥控制大会论文集(上册)[C];2018年
7 柯任辰;徐维庆;杨科;;一种基于LSTM神经网络的自适应巡航研究[A];2019中国汽车工程学会年会论文集(1) [C];2019年
8 刘天鹏;刘海;;基于LSTM的城市道路养护投诉量预测研究[A];中国公路学会养护与管理分会第九届学术年会论文集[C];2019年
9 安鹏;曹丹平;;基于LSTM循环神经网络的孔隙度预测方法研究[A];2018年中国地球科学联合学术年会论文集(二十九)——专题59:计算地球物理方法和应用、专题60:地热资源成因新理论与综合探测新技术[C];2018年
10 张玮霖;朱永华;高洪皓;;基于LSTM编码-解码器模型的网络服务器集群负载预测算法[A];2018中国信息通信大会论文摘要集[C];2018年
11 梅杰;;基于LSTM神经网络的有效停车泊位短时预测方法研究[A];创新驱动与智慧发展——2018年中国城市交通规划年会论文集[C];2018年
12 肖敏志;王淑君;宋巍巍;;基于LSTM的PM_(2.5)预测模型综述[A];2019中国环境科学学会科学技术年会论文集(第一卷)[C];2019年
13 张宇;张鹏远;颜永红;;基于注意力LSTM和多任务学习的远场语音识别[A];第十四届全国人机语音通讯学术会议(NCMMSC’2017)论文集[C];2017年
14 陈晋贤;;基于SMBO优化的XGBoost集成电路PVD电阻率虚拟量测[A];中国自动化学会华东六省一市学术年会论文摘要集[C];2018年
15 刘秀波;马帅;高利民;张博;;基于轨道几何和LSTM的车辆响应预测模型[A];第十三届全国振动理论及应用学术会议论文集[C];2019年
中国博士学位论文全文数据库 前4条
1 齐鑫;基于LSTM的相位差异图像波前检测技术研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2020年
2 谢合亮;LSTM在多因子量化投资模型中的改进及应用研究[D];中央财经大学;2019年
3 钟沛丽;我国流感流行特征、影响因素及模型预测研究[D];广州中医药大学;2020年
4 何硙;基于机器学习构建电子衰弱指数及识别衰弱临床亚型研究[D];北京协和医学院;2021年
中国硕士学位论文全文数据库 前20条
1 郑宏;基于LSTM与XGBoost组合模型的电价预测研究[D];太原科技大学;2021年
2 王栋;基于LSTM模型的命名实体识别研究及应用[D];山东理工大学;2020年
3 马嘉豪;基于人工智能LSTM和百度投资者关注度的我国股票市场预测模型[D];西南财经大学;2019年
4 许盼;基于微信公众平台的POEMS综合征预测系统的研究[D];中南民族大学;2019年
5 王梓鄂;基于Xgboost算法的公共自行车调度系统设计与实现[D];中南财经政法大学;2019年
6 万青玲;基于Text-CNN和LSTM的出境游评论文本分析[D];中南财经政法大学;2019年
7 田甜;基于LSTM的结构病态问题预测方法研究[D];长安大学;2019年
8 张冲冲;基于LSTM深度网络和改进核极限学习机的短期电力负荷预测[D];华北电力大学;2019年
9 Khuram Hayat;基于融合LSTM的超短期风速概率预测方法研究[D];华北电力大学(北京);2019年
10 周义;基于关注度LSTM的动作提议和行为识别[D];合肥工业大学;2019年
11 黄媛;基于LSTM神经网络的多因子选股模型实证研究[D];湘潭大学;2019年
12 曾虎;基于XGBoost方法的广告点击率预估研究[D];广东工业大学;2019年
13 石秀峰;基于双向LSTM的药物相互关系提取模型[D];大连理工大学;2019年
14 刘晓飞;基于LSTM网络的滚动轴承可靠性评估及寿命预测[D];大连理工大学;2019年
15 叶萌;基于区域残差和LSTM网络的机场延误预测方法研究[D];中国民航大学;2019年
16 陈锡禹;基于LSTM的对接机构故障预测与健康管理系统研究[D];哈尔滨工业大学;2019年
17 余杰杰;基于LSTM的道路拥堵分析模型研究[D];华东交通大学;2019年
18 杨承相;基于Xgboost和复杂网络的大学生授信额度研究[D];云南大学;2019年
19 邰煜;基于LSTM的社交网络特定领域评论生成技术[D];燕山大学;2019年
20 杜心;基于LSTM神经网络的可用停车位预测模型研究[D];武汉理工大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978