本发明涉及电价预测的技术领域,更具体地,涉及一种基于纵横交叉算法和深度学习模型的日前电价预测方法,包含以下步骤:1)采集含有高比例新能源电力市场的原始电价数据,并对原始电价数据进行预处理;2)建立LSTM预测模型,将预测日之前的日前电价、负荷、风电和
光伏发电量作为LSTM预测模型的特征输入;3)采用常规的梯度下降法初次训练LSTM预测模型;4)以最小均方误差为目标函数,基于纵横交叉算法对全连接层间的权系数与偏置进行微调,并得到最终优化好的长短时记忆网络深度学习模型。本发明可以有效地防止深度学习模型的权系数与偏置陷入局部最优,提升该模型的泛化性能,从而提升日前电价的预测精度。
声明:
“基于纵横交叉算法和深度学习模型的日前电价预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)