Electricity Price Forecasting Model based on Gated Recurrent Units

要約

スマートグリッドへの需要応答プログラムへの消費者と生産者の参加が増加し、電力システムの投資と運用コストが削減されています。
また、再生可能エネルギー源の出現により、電力市場はより複雑になり、予測不可能になっています。
デマンドレスポンスプログラムを効果的に実施するために、電力の将来の価格を予測することは、電力市場の生産者にとって非常に重要です。
電気料金は非常に変動しやすく、気温、風速、降雨量、商業活動や日常生活の強度などのさまざまな要因の影響を受けて変化します。したがって、影響要因を従属変数として考慮すると、予測の精度を高めることができます。
この論文では、ゲート付き回帰ユニットに基づいた電気料金予測のモデルを提示します。
このモデルでは、電気負荷消費が入力変数と見なされます。
電気料金のノイズは、分析の効率と有効性を大幅に低下させます。
したがって、適応型ノイズリダクションは、ノイズリダクションのモデルに統合されています。
次に、SAEを使用して、ノイズ除去された電気料金から特徴を抽出します。
最後に、ノイズ除去された機能がGRUに入力され、予測子がトレーニングされます。
実際のデータセットの結果は、提案された方法論が電気料金の予測に効果的に機能できることを示しています。

要約(オリジナル)

The participation of consumers and producers in demand response programs has increased in smart grids, which reduces investment and operation costs of power systems. Also, with the advent of renewable energy sources, the electricity market is becoming more complex and unpredictable. To effectively implement demand response programs, forecasting the future price of electricity is very crucial for producers in the electricity market. Electricity prices are very volatile and change under the influence of various factors such as temperature, wind speed, rainfall, intensity of commercial and daily activities, etc. Therefore, considering the influencing factors as dependent variables can increase the accuracy of the forecast. In this paper, a model for electricity price forecasting is presented based on Gated Recurrent Units. The electrical load consumption is considered as an input variable in this model. Noise in electricity price seriously reduces the efficiency and effectiveness of analysis. Therefore, an adaptive noise reducer is integrated into the model for noise reduction. The SAEs are then used to extract features from the de-noised electricity price. Finally, the de-noised features are fed into the GRU to train predictor. Results on real dataset shows that the proposed methodology can perform effectively in prediction of electricity price.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google