结合PNN分类与ELM-Bootstrap的日前负电价预测增强方法

Integrating PNN classification and ELM-Bootstrap for enhanced Day-Ahead negative price forecasting

Stylianos Loizidis · Venizelos Venizelou · Andreas Kyprianou · G. E. Georghiou · Applied Energy · 2025年1月 · Vol.392

摘要 负电价通常在电力供应过剩时发生，常由高比例可再生能源发电以及传统发电机组灵活性不足所驱动。在缺乏充足储能能力的情况下，电网必须吸收多余的电量，从而导致价格跌破零。准确预测此类事件至关重要，但现有文献中专门针对负电价预测的有效解决方案仍较为有限。本文提出一种新颖的两阶段混合方法，用于预测日前电力市场中的负电价。第一阶段采用极限学习机（Extreme Learning Machine, ELM）结合Bootstrap方法生成预测区间；第二阶段利用概率神经网络（Probabilistic Neu...

解读: 该负电价预测技术对阳光电源储能系统具有重要应用价值。通过ELM-Bootstrap区间预测与PNN分类的两阶段方法,可精准识别负电价时段,为ST系列PCS和PowerTitan储能系统提供智能充放电决策依据。结合iSolarCloud平台集成该预测算法,可在高比例新能源场景下优化储能调度策略:负电价...