基于改进LSTM网络的风储系统电力市场投标策略研究

摘要

随着可再生能源发电比例的增加，风电出力的间歇性给电力市场带来不确定性问题，存在投标策略优化的需求。针对风储系统在电力系统中的优化问题，研究提出一种基于改进长短期记忆(long short-term memory, LSTM)网络的风储解决系统电力市场投标策略，该策略结合长短期记忆网络处理时间序列数据的优势和支持向量回归(support vector regression, SVR)解决非线性问题的能力，并采用麻雀搜索算法对模型参数进行优化，设计出一种组合模型。结果表明，组合模型预测与真实值的吻合度超过95%,在16～36 h长期预测中吻合度保持在90%以上，表明其精度较高。与单一长短期记忆网络和麻雀搜索算法对比，组合模型在多次训练中稳定率与准确率最高可达100%,鲁棒性和泛化能力更好。在10～24时段/h内，风储系统的投标数量在1 500～6 000 kW之间波动，而投标偏差在2 000～7 000 kW之间，峰值出现在16～20时段。综上所述，该组合模型在电力市场投标策略中表现出较高的预测精度和鲁棒性，能够有效应对风电出力的不确定性，为风储系统提供了有效的投标策略优化方案。

关键词

LSTM网络 / LSTM-SVR模型 / 风储系统 / 电力市场投标 / 麻雀算法 / 投标策略