基于大数据的负荷边际电价联合预测方法

准确的电力负荷-边际电价联合预测有助于电力系统调度,同时也是电力系统运行和维护中最重要的任务之一。现有的独立预测方法割裂了负荷与边际电价之间的关系,影响预测精度,为此提出一种基于大数据的负荷-边际电价联合预测方法。首先以门限循环单元(gated recurrent unit, GRU)为基础,建立人工智能模型分别对负荷-边际电价进行预测;然后分别以历史温度与实时温度间的差值ΔT、历史负荷与实时负荷间的差值ΔP为基础,通过建立以多层感知器(multilayer perceptron, MLP)为基础的预测误差补偿模型,分别对负荷-边际电价的预测结果进行修正;最后将GRU的输出与MLP的输出叠加计算得到负荷-边际电价联合预测结果。算例验证表明:与传统方法相比,所提方法减少了13.4%的负荷预测误差,减少了71%的边际电价预测误差。