一种基于经验模态分解与最小门控记忆网络分位数回归的电价预测方法

摘要

本发明为了解决目前现有的电力市场电价预测方法用时过长，无法训练更多样本以提高预测精度，且主要局限在点预测，电价区间预测和概率密度估计的研究较少，无法为市场参与者制定最优市场策略提供更多有效信息的问题，建立了一种基于经验模态分解与最小门控记忆网络分位数回归的电价预测方法，采用经验模态分解将电价序列分解为若干个模态分量，将QR和MGM结合组成混合模型QR‑MGM对各个模态分量在不同分位数下进行预测，并对重构后的预测结果采用KDE得到电价的概率密度函数，不仅可以量化预测的不确定性，还能获得电价概率密度函数。