找到 1 条结果 · IEEE Transactions on Power Systems
多任务图自适应学习在澳大利亚国家电力市场多元电价短期预测中的应用
Multi-Task Graph Adaptive Learning for Multivariate Electricity Price Short-Term Forecasting in Australia's National Electricity Market
Yi Li · Chaojie Li · Guo Chen · Xiaojun Zhou 等5人 · IEEE Transactions on Power Systems · 2024年4月
准确的电价短期预测对电力市场数字化至关重要。然而，可再生能源扩张与用电需求增长导致电价波动加剧，预测难度加大。供需不平衡的不确定性及电力市场的时空关联性是精准预测的主要障碍。本文提出一种多任务学习模型MGAAL，结合图注意力机制，并引入异常价格尖峰预测的辅助任务，提升泛化能力并降低过拟合风险。MGAAL采用基于注意力的图神经网络捕捉电力时空流动动态，并通过同方差不确定性和梯度归一化自适应调整任务权重。基于澳大利亚国家电力市场数据的实验表明，该模型性能优于当前先进方法。
解读: 该多任务图自适应学习电价预测技术对阳光电源储能系统具有重要应用价值。在PowerTitan大型储能系统和ST系列储能变流器的能量管理策略中，精准的电价短期预测可优化充放电调度决策，通过峰谷套利提升收益。其图神经网络捕捉时空关联的方法可集成至iSolarCloud云平台，实现多站点储能协同优化。异常价...