Double-branch Day-ahead Electricity Price Forecasting Based on Inception and Attention Mechanism

BI Guihong; KONG Fanwen; HUANG Ze; CHEN Dongjing; LUO Zhao; YANG Yi

doi:10.7500/AEPS20240423003

您当前的位置：

首页 >

文章列表页 >

Double-branch Day-ahead Electricity Price Forecasting Based on Inception and Attention Mechanism

Basic Research | 更新时间：2025-06-16

- Double-branch Day-ahead Electricity Price Forecasting Based on Inception and Attention Mechanism
- Automation of Electric Power Systems Vol. 49, Issue 5, Pages: 128-144(2025)
- 作者机构：
  
  1.昆明理工大学电力工程学院，云南省昆明市 650500
  2.中国电建集团贵阳勘测设计研究院有限公司，贵州省贵阳市 550081
- 作者简介：
- 基金信息：
  
  National Key R&D Program of China(2022YFB2703500)
- DOI：10.7500/AEPS20240423003
  CLC：
- Received：23 April 2024，
  
  Revised：2024-10-15，
  
  Published Online：17 December 2024，
  
  Published：10 March 2025
- 稿件说明：
移动端阅览
毕贵红,孔凡文,黄泽等.基于Inception和注意力机制的双分支日前电价预测[J].电力系统自动化,2025,49(5):128-144.

BI Guihong,KONG Fanwen,HUANG Ze,et al.Double-branch Day-ahead Electricity Price Forecasting Based on Inception and Attention Mechanism[J].Automation of Electric Power Systems,2025,49(5):128-144.
毕贵红,孔凡文,黄泽等.基于Inception和注意力机制的双分支日前电价预测[J].电力系统自动化,2025,49(5):128-144. DOI： 10.7500/AEPS20240423003.

BI Guihong,KONG Fanwen,HUANG Ze,et al.Double-branch Day-ahead Electricity Price Forecasting Based on Inception and Attention Mechanism[J].Automation of Electric Power Systems,2025,49(5):128-144. DOI： 10.7500/AEPS20240423003.

摘要

在电力市场化的背景下，开放电力市场受需求端负荷、新能源出力和市场间耦合关系等复杂因素影响，其电价波动变得愈发强烈且难以预测。为合理选择影响电价波动的综合因素，降低原始电价序列非稳定性、强波动性对电价预测所产生的负面影响，提出了一种基于双模式分解与Inception、注意力机制组合的双分支日前电价预测方法。首先，将最大信息系数筛选和与日前电价相关性较高的影响因素进行组合，作为模型相关变量特征矩阵输入；然后，通过变分模态分解和群分解将原始电价序列分解为多个更能反映电价波动规律的子序列，将不同分解方法得到的子序列按高频到低频进行排序，再组合构造多尺度电价分量矩阵作为模型电价分支输入，以提高模态分量的规律性和信息的丰富性；最后，将改进的Inception模块与并行多维注意力(PMDA)、自注意力机制分别进行组合，搭建双分支输入的日前电价预测模型，以提取不同分支输入数据的重要特征并进行融合，输出次日电价预测结果。以北欧电力市场历史数据为例进行验证，并与传统注意力机制进行对比，实验结果表明所提PMDA机制能够更有效地提取电价序列重要特征，以提高日前电价预测精度。

Abstract

In the background of electricity marketization

the open electricity market is affected by demand-side load

renewable energy output and coupling relationship between markets

and its electricity price fluctuation becomes more and more intense and difficult to forecast. In order to rationally select the comprehensive factors affecting the fluctuation of electricity price and reduce the negative impact of the instability and strong fluctuation of the original electricity price series on the electricity price forecasting

this paper proposes a double-branch day-ahead electricity price forecasting method based on the combination of dual-mode decomposition

Inception and attention mechanism. First

the maximum information coefficient screening and the influence factors with high correlation with the day-ahead electricity price are combined as the input of the model correlation variable feature matrix. Then

through variational mode decomposition and swarm decomposition

the original electricity price series are decomposed into multiple subseries that can better reflect the electricity price fluctuation law. The subseries obtained by different decomposition methods are sorted from high frequency to low frequency

and then the multi-scale electricity price component matrix is constructed as the input of the electricity price branch of the model to improve the regularity and information richness of the modal components. Finally

the improved Inception module is combined with parallel multidimensional attention (PMDA) and self-attention mechanism respectively to build a double-branch day-ahead electricity price forecasting model to extract and fuse important features of input data from different branches and output the electricity price forcasting results for the next day. By using the historical data of Nordic electricity market as a case for verification

and comparing with the traditional attention mechanism

the experimental results show that the proposed PMDA mechanism can extract important features of electricity price series more effectively

so as to improve the forecasting accuracy of day-ahead electricity price.

关键词

Keywords

references

宋永华，包铭磊，丁一，等 . 新电改下我国电力现货市场建设关键要点综述及相关建议［J］. 中国电机工程学报， 2020 ， 40 （ 10 ）： 3172 - 3187 .

SONG Yonghua ， BAO Minglei ， DING Yi ， et al . Review of Chinese electricity spot market key issues and its suggestions under the new round of Chinese power system reform ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 10 ）： 3172 - 3187 .

勾玄，肖先勇 . 基于经验模式分解与LSTM神经网络的短期电价预测模型［J］. 西安理工大学学报， 2020 ， 36 （ 1 ）： 129 - 134 .

GOU Xuan ， XIAO Xianyong . Short-term electricity price forecasting model based on empirical mode decomposition and LSTM neural network ［J］. Journal of Xi’an University of Technology ， 2020 ， 36 （ 1 ）： 129 - 134 .

卓振宇，张宁，谢小荣，等 . 高比例可再生能源电力系统关键技术及发展挑战［J］. 电力系统自动化， 2021 ， 45 （ 9 ）： 171 - 191 .

ZHUO Zhenyu ， ZHANG Ning ， XIE Xiaorong ， et al . Key technologies and developing challenges of power system with high proportion of renewable energy ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 9 ）： 171 - 191 .

郭鸿业，郑可迪，唐庆虎，等 . 数据驱动的电力市场研究：挑战与展望［J］. 电力系统自动化， 2023 ， 47 （ 1 ）： 200 - 215 .

GUO Hongye ， ZHENG Kedi ， TANG Qinghu ， et al . Data-driven research on electricity markets： challenges and prospects ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 1 ）： 200 - 215 .

KARABIBER O A ， XYDIS G . Electricity price forecasting in the Danish day-ahead market using the TBATS， ANN and ARIMA methods ［J］. Energies ， 2019 ， 12 （ 5 ）： 928 .

GIRISH G P . Spot electricity price forecasting in Indian electricity market using autoregressive-GARCH models ［J］. Energy Strategy Reviews ， 2016 ， 11 ： 52 - 57 .

赵宗政，刘一欣，郭力，等 . 基于剩余需求曲线的风电-储能一体化电站投标决策方法［J］. 电力系统自动化， 2023 ， 47 （ 8 ）： 99 - 108 .

ZHAO Zongzheng ， LIU Yixin ， GUO Li ， et al . Bidding decision-making method of wind power-energy storage integrated station based on residual demand curve ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 8 ）： 99 - 108 .

昌力，曹荣章，吉斌，等 . 电力现货市场交易运营的未来重大需求与关键技术［J］. 电力系统自动化， 2024 ， 48 （ 4 ）： 34 - 48 .

CHANG Li ， CAO Rongzhang ， JI Bin ， et al . Future major demands and key technologies in trading operation of electricity spot market ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 4 ）： 34 - 48 .

吉兴全，曾若梅，张玉敏，等 . 基于注意力机制的CNN-LSTM短期电价预测［J］. 电力系统保护与控制， 2022 ， 50 （ 17 ）： 125 - 132 .

JI Xingquan ， ZENG Ruomei ， ZHANG Yumin ， et al . CNN-LSTM short-term electricity price prediction based on an attention mechanism ［J］. Power System Protection and Control ， 2022 ， 50 （ 17 ）： 125 - 132 .

姚子麟，张亮，邹斌，等 . 含高比例风电的电力市场电价预测［J］. 电力系统自动化， 2020 ， 44 （ 12 ）： 49 - 55 .

YAO Zilin ， ZHANG Liang ， ZOU Bin ， et al . Electricity price prediction for electricity market with high proportion of wind power ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 12 ）： 49 - 55 .

刘定，赵德福，白木仁，等 . 可再生能源发电对实时电价的影响分析——德国电力现货市场的数据实证［J］. 电力系统自动化， 2020 ， 44 （ 4 ）： 126 - 133 .

LIU Ding ， ZHAO Defu ， BAI Muren ， et al . Analysis on impact of renewable energy generation on real-time electricity price： data empirical research on electricity spot market of Germany ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 4 ）： 126 - 133 .

许越，李强，崔晖 . 基于MIC-EEMD-改进Informer的含高比例清洁能源与储能的电力市场短期电价多步预测［J］. 电网技术， 2024 ， 48 （ 3 ）： 949 - 958 .

XU Yue ， LI Qiang ， CUI Hui . Short-term multi-step price prediction for the electricity market with a high proportion of clean energy and energy storage based on MIC-EEMD-improved informer ［J］. Power System Technology ， 2024 ， 48 （ 3 ）： 949 - 958 .

赵雅雪，王旭，蒋传文，等 . 基于最大信息系数相关性分析和改进多层级门控LSTM的短期电价预测方法［J］. 中国电机工程学报， 2021 ， 41 （ 1 ）： 135 - 146 .

ZHAO Yaxue ， WANG Xu ， JIANG Chuanwen ， et al . A novel short-term electricity price forecasting method based on correlation analysis with the maximal information coefficient and modified multi-hierachy gated LSTM ［J］. Proceedings of the CSEE ， 2021 ， 41 （ 1 ）： 135 - 146 .

刘慧鑫，沈晓东，魏泽涛，等 . 基于校准窗口集成与耦合市场特征的可解释双层日前电价预测［J］. 中国电机工程学报， 2024 ， 44 （ 4 ）： 1272 - 1286 .

LIU Huixin ， SHEN Xiaodong ， WEI Zetao ， et al . Interpretable two-layer day-ahead electricity price forecast based on calibration window combination and coupled market characteristics ［J］. Proceedings of the CSEE ， 2024 ， 44 （ 4 ）： 1272 - 1286 .

毕贵红，张梓睿，赵四洪，等 . 基于多模式分解和多分支输入的光伏功率超短期预测［J］. 高电压技术， 2024 ， 50 （ 9 ）： 3837 - 3849 .

BI Guihong ， ZHANG Zirui ， ZHAO Sihong ， et al . Ultra-short-term prediction of photovoltaic power based on multi-mode decomposition and multi-branch input ［J］. High Voltage Engineering ， 2024 ， 50 （ 9 ）： 3837 - 3849 .

YANG H L ， SCHELL K R . HFNet： forecasting real-time electricity price via novel GRU architectures ［C］// International Conference on Probabilistic Methods Applied to Power Systems ， August 18-21 ， 2020 ， Liege， Belgium .

赵禾杰 . 北欧电力市场中的能源互补［J］. 中国科技成果， 2015 （ 17 ）： 14 .

ZHAO Hejie . The energy complementary in Nordic electricity market ［J］. China Science and Technology Achievements ， 2015 （ 17 ）： 14 .

NordPool Media . 2022 annual review stability through change ［EB/OL］. ［ 2024-01-20 ］. https：//www.nordpoolgroup.com/en/message-center-container/Annual-report/ https://www.nordpoolgroup.com/en/message-center-container/Annual-report/ .

包铭磊，丁一，邵常政，等 . 北欧电力市场评述及对我国的经验借鉴［J］. 中国电机工程学报， 2017 ， 37 （ 17 ）： 4881 - 4892 .

BAO Minglei ， DING Yi ， SHAO Changzheng ， et al . Review of Nordic electricity market and its suggestions for China ［J］. Proceedings of the CSEE ， 2017 ， 37 （ 17 ）： 4881 - 4892 .

APOSTOLIDIS G K ， HADJILEONTIADIS L J . Swarm decomposition： a novel signal analysis using swarm intelligence ［J］. Signal Processing ， 2017 ， 132 ： 40 - 50 .

DRAGOMIRETSKIY K ， ZOSSO D . Variational mode decomposition ［J］. IEEE Transactions on Signal Processing ， 2014 ， 62 （ 3 ）： 531 - 544 .

王姿尧，梁惠施，王薇，等 . 基于红外图像数据域转化和Inception-CNN网络的变压器套管在线异常识别方法［J］. 高电压技术， 2023 ， 49 （ 8 ）： 3425 - 3436 .

WANG Ziyao ， LIANG Huishi ， WANG Wei ， et al . Online identification method for transformer bushing anomaly based on data domain transformation of thermal images and Inception-CNN network ［J］. High Voltage Engineering ， 2023 ， 49 （ 8 ）： 3425 - 3436 .

HU J ， SHEN L ， SUN G . Squeeze-and-excitation networks ［C］// IEEE/CVF Conference on Computer Vision and Pattern Recognition ， June 18-23 ， 2018 ， Salt Lake City， USA .

WOO S ， PARK J ， LEE J Y ， et al . CBAM： Convolutional block attention module ［C］// European Conference on Computer Vision ， September 8-14 ， 2018 ， Munich， Germany .

HOU Q B ， ZHOU D Q ， FENG J S . Coordinate attention for efficient mobile network design ［C］// IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）， June 20-25 ， 2021 ， Nashville， USA .

毕贵红，赵鑫，陈臣鹏，等 . 基于多通道输入和PCNN-BiLSTM的光伏发电功率超短期预测［J］. 电网技术， 2022 ， 46 （ 9 ）： 3463 - 3476 .

BI Guihong ， ZHAO Xin ， CHEN Chenpeng ， et al . Ultra-short-term prediction of photovoltaic power generation based on multi-channel input and PCNN-BiLSTM ［J］. Power System Technology ， 2022 ， 46 （ 9 ）： 3463 - 3476 .

中共中央国务院 . 关于进一步深化电力体制改革的若干意见［EB/OL］.［ 2023-05-01 ］. http：//www.gov.cn/xinwen/2015-03/09/content_2831228.htm http://www.gov.cn/xinwen/2015-03/09/content_2831228.htm .

CPC Central Committee and State Council . Several opinions on further deepening the reform of the electric power system ［EB/OL］. ［ 2023-05-01 ］. http：//www.gov.cn/xinwen/2015-03/09/content_2831228.htm http://www.gov.cn/xinwen/2015-03/09/content_2831228.htm .

国家发展改革委，国家能源局 . 印发《关于深化电力现货市场建设试点工作的意见》的通知（发改办能源规［2019］828号）［EB/OL］.［ 2024-01-20 ］. https：//zfxxgk.ndrc.gov.cn/upload/images/20229/202292613563046.pdf https://zfxxgk.ndrc.gov.cn/upload/images/20229/202292613563046.pdf .

National Development and Reform Commission ， National Energy Administration . The notice on issuing the opinions on deepening the pilot work of electricity spot market construction（NDRC Office Energy Regulation ［2019］No. 828）［EB/OL］. ［ 2024-01-20 ］. https：//zfxxgk.ndrc.gov.cn/upload/images/20229/202292613563046.pdf https://zfxxgk.ndrc.gov.cn/upload/images/20229/202292613563046.pdf .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Data-driven Research on Electricity Markets: Challenges and Prospects

Hybrid Model-driven and Data-driven Approach to Price Forecasting in Bilateral Contract Electricity Markets

考虑多重周期性的短期电价预测

Related Author

GUO Hongye

ZHENG Kedi

TANG Qinghu

FANG Xichen

CHEN Qixin

Yapeng LI

Xu HAN

Xuguang YU

Related Institution

State Key Laboratory of Control and Simulation of Power System and Generation Equipments, Tsinghua University

Department of Electrical Engineering, Tsinghua University

Faculty of Electronic Information & Electrical Engineering, Dalian University of Technology

Institute of Hydropower & Hydroinformatics, Dalian University of Technology

Kunming Power Exchange Center Company Limited

⁰