基于自注意力机制和COA优化的CNN-BiGRU日前电价预测

摘要

日前电价预测结果作为电力市场中的关键信号，对电力系统的正常运行起到重要的作用，对此提出一种基于自注意力机制与长鼻浣熊优化算法（Coati Optimization Algorithm, COA）的卷积神经网络和双向门控循环单元网络的日前电价预测模型。模型充分考虑了影响电价的电力市场边界条件和外部环境等诸多因素，首先使用皮尔逊相关性系数法对山东省电力市场的披露数据进行相关性分析，得出了影响电价的关键因素。然后将数据输入到基于自注意力机制和长鼻浣熊优化算法的CNN-BiGRU模型中进行训练。通过实验结果表明，该模型的平均绝对误差(Mean Absolute Error,δ_MAE)、平均绝对百分比误差(Mean Absolute Percentage Error,δ_MAPE)、确定系数（R-Square,R²）3个评价指标分别为10.481、3.23%、0.954,3项指标明显优于其他模型，具有更高的预测精度和稳定性，充分验证了该模型在日前出清电价预测中的可行性。

关键词

电价预测 / 自注意力机制 / 卷积神经网络 / 双向门控循环单元网络 / 长鼻浣熊优化算法