基于LSTM与XGBoost组合模型电价预测Electricity Price Forecast Based on LSTM and XGBoost Combined Model
郑宏,刘立群
摘要(Abstract)：
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。
关键词(KeyWords)： 电价预测;LSTM;XGBoost;组合模型
基金项目(Foundation): 山西省重点研发计划(201803D121106);; 太原科技大学教学改革创新项目(201913);太原科技大学大学生创新创业训练计划项目(XJ2019020)
作者(Author): 郑宏,刘立群
参考文献(References)：
- [1] 杨晓萍，刘浩杰，黄强.考虑分时电价的风光储联合优化调度研究[J].西安理工大学学报，2016,32(4):403-409.
- [2] REN Y,SUGANTHAN P N,SRIKANTH N,et al.Random vector functional link network for short-term electricity load demand forecasting[J].Information Sci-ences,2016,367:1078-1093.
- [3] 曾勇红，王锡凡，冯宗建.基于混合自回归滑动平均潜周期模型的短期电价预测[J].西安交通大学学报，2008(2):184-188.
- [4] DARBELLAY G A,SLAMA M.Forecasting theshort-term demand for electricity:do neural networksstand a better chance[J].International Journal of Forecasting,2000,16(1):71-83.
- [5] CORTES C,VAPNIK V.Support-vector networks[J].Machine Learning,1995,20(3):273-297.
- [6] YING L C,PAN M C.Using adaptive network basedfuzzy inference system to forecast regional electricityloads[J].Energy Conversion and Management,2008,49(2):205-211.
- [7] QIU X H,SUGANTHAN P N,AMARATUNGA GA J.Short-term electricity price forecasting with empir-ical mode decomposition based ensemble kernel ma-chines[J].Procedia Computer Science,2017,108:1308-1317.
- [8] 廖晓辉，周冰，杨冬强，等.一种基于HHT的短期电价组合预测方法[J].郑州大学学报：工学版，2016,37(1):10-14.
- [9] GERS F A,SCHMIDHUBER J,CUMMINS F.Learning to forget:continual prediction with LSTM[J].Neural Computation,2000,12(10):2451-2471.
- [10] 王小波，刘德强.基于人工神经网络的短期负荷预测的研究[J].电力学报，2011,26(4):287-289+293.
- [11] SZKUTA B R,SANABRIA L A,DILLON T S.Electricity price short-term forecasting using artificial neural networks[J].IEEE Transactions on Power Systems,1999,14(3):851-857.
- [12] 车金星，王广富.基于粒子群最优化下BP神经网络的短期电价预测[J].南昌工程学院学报，2012,31(1):13-17.
- [13] 陈振宇，刘金波，李晨，等.基于LSTM与XGBoost组合模型的超短期电力负荷预测[J].电网技术，2020,44(2):614-620.
- [14] 师彪，李郁侠，于新花，等.弹性自适应人工鱼群-BP神经网络模型及在短期电价预测中的应用[J].水力发电学报，2010,29(1):106-113.
- [15] 邹政达，孙雅明，张智晟.基于蚁群优化算法递归神经网络的短期负荷预测[J].电网技术，2005(3):59-63.
- [16] 石慧，王婉娜，张岩，等.基于长短期记忆网络的齿轮剩余寿命预测研究[J].太原科技大学学报，2020,41(5):338-343+351.