Volume 2,Issue 8
融合多源运行特征与深度集成学习的短期电价预测
针对高比例新能源并网情境下短期电价波动加剧、结构性扰动增多，以及单一模型难以有效兼顾局部突变刻画与多源业务特征利用的问题，提出了一种融合多源运行特征与深度集成学习的短期电价预测方法。以甘肃省统一短期电价及相关系统负荷、新能源出力、水电负荷、发电出力、需求值和竞价空间等15分钟级数据为样本，构建了一个由因果卷积、单向LSTM 和因果注意力机制组成的深度时序分支，并与基于LightGBM 的结构化回归分支进行误差校准融合。在严格避免未来信息泄露的条件下，采用时间顺序训练、walk-forward 验证和滚动测试进行模型评估。结果显示，融合模型在测试集上的MAE 和RMSE 分别为48.37元/MWh 和65.31元/MWh，整体表现明显优于单独的深度模型及LightGBM模型。研究表明，该方法能在新能源并网与市场运行耦合的场景下提升短期电价预测的稳定性，并在连续两天滚动预测中保持了较好的误差控制能力，能够为新型电力系统背景下发电侧报价、功率申报与运行优化提供有效支撑。
[1]Lago,Jesus,De,et al.Forecasting day-ahead electricity prices in Europe: The importance of considering market integration[J].Applied Energy, 2018.
[2]Joachim L S ,Emil J V ,Jensen A B , et al.Principal spatiotemporal mismatch and electricity price patterns in a highly decarbonized networked European power system.[J].iS cience,2022,25(6):104380-104380.
[3] 罗纯坚, 李姚旺, 许汉平, 等. 需求响应不确定性对日前优化调度的影响分析[J]. 电力系统自动化, 2017, 41(5):8.
[4] 舒印彪, 张正陵, 汤涌, 等. 新型电力系统构建的若干基本问题[J]. 中国电机工程学报, 2024, 44(21):8327-8340.
[5] 韩升科, 胡飞虎, 陈之腾, 张琳, 白兴忠. 基于GCN-LSTM 的日前市场边际电价预测[J]. 中国电机工程学报,2022,42(9):3276-3285.
[6] 侯庆春, 杜尔顺, 田旭, 等. 数据驱动的电力系统运行方式分析[J]. 中国电机工程学报, 2021, 41(1):12.
[7]Jesus L ,Grzegorz M ,Bart S D , et al.Forecasting day-ahead electricity prices: A review of state-of-the-art algorithms, best practices and an open-access benchmark[J]. Applied Energy,2021,293.
[8] 加鹤萍, 郭宇辰, 马乾鑫, 等. 基于机器学习方法的现货电价预测研究综述[J]. 电力建设, 2025, 46(2):160-179.
[9] 薛万磊, 牟颖, 赵昕, 等. 基于LSTM 深度学习方法的电力需求预测研究—— 考虑现货市场电价新兴影响因素的分析[J]. 价格理论与实践,2025,(04):93-98.
[10] 邵云姝, 张琳, 周乃康, 等. 基于长短期记忆网络的电力市场价格预测研究[J]. 动力工程学报,2025,45(05):733-737.
[11] 刘峻, 王鹏, 胡坤, 等. 基于CNN-Self attention 双重注意力机制的实时与日前电价差值区间预测方法[J/OL]. 华北电力大学学报( 自然科学版),1-11[2025-10-27].
[12] 李子凯, 杨波, 周忠堂, 等. 考虑高比例风电波动的多注意力TCN 电价预测方法[J]. 电测与仪表,2025,62(03):138-146.
[13]Hadjout D , Torres J F , Troncoso A ,et al.Electricity consumption forecasting based on ensemble deep learning with application to the Algerian market[J].Energy, 2022, 243.
[14] 中国华能集团清洁能源技术研究院有限公司， 华能招采数字科技有限公司. 一种基于TCN-Transformer 模型的电价预测方法、系统、装置及存储介质.CN120374166A[P].2025-07-25.
[15]Lecun Y , Boser B , Denker J ,et al.Backpropagation Applied to Handwritten Zip Code Recognition[J].Neural Computation, 1989, 1(4):541-551.
[16]O’Shea K ,Nash R .An Introduction to Convolutional Neural Networks.[J].CoRR,2015,abs/1511.08458.
[17]Hochreiter S , Schmidhuber J .Long Short-Term Memory[J].Neural Computation, 1997, 9(8):1735-1780.
[18]Vaswani A, Shazeer N, Parmar N, et al. Attention is all you need[J]. Advances in neural information processing systems, 2017, 30.
[19]Li J ,Wen X ,Jia L , et al.A Transformer-based model fusing temporal dependence and variable correlation for short and medium-term electricity price forecasting[J]. Energy,2025,338138799-138799.
[20]Hou G ,Li Q ,Huang C .Spatiotemporal forecasting using multi-graph neural network assisted dual domain transformer for wind power[J].Energy Conversion and Managem ent,2025,325119393-119393.
[21] 中国科学院广州能源研究所. 甘肃：电源装机突破1 亿千瓦，新能源已成为第一大电源[EB/OL]. (2025-01-13) [2025-12-14].
[22] 国家能源局. 电力现货市场基本规则（试行）[R/OL]. 北京: 国家能源局, 2023. (2023-09-07) [2025-12-14].
[23] 国家发展改革委, 国家能源局. 电力现货连续运行地区市场建设指引[EB/OL]. (2025-09-02)[2025-12-14].
[24]Saleh A M ,Vokony István, Khan M A ,et al.Power system stability in the Era of energy Transition: Importance, Opportunities, Challenges, and future directions[J]. Energy Conversion and Management: X, 2024, 24(000).